$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

효율적인 수퍼샘플링과 선-적분을 이용한 고화질 쉬어-왑 분해 볼륨 렌더링
High-quality Shear-warp Volume Rendering Using Efficient Supersampling and Pre-integration Technique 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.9 no.8, 2006년, pp.971 - 981  

계희원 (서울대학교 컴퓨터연구소) ,  김태영 (서경대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

쉬어-왑 분해 렌더링볼륨 렌더링 방법 중 가장 빠르지만 영상의 화질이 좋지 않다는 단점이 있다. 본 연구에서는 쉬어-왑 렌더링의 빠른 속도를 유지하며 화질을 개선하는 방법을 제안한다. 화질 개선의 첫 번째 방법은 중간영상(intermediate image) 기반의 수퍼샘플링(supersampling) 기법이다. 객체 좌표와 영상 좌표간의 변환을 효율적으로 수행하여 임의 비율의 영상 확대를 빠르게 수행한다. 화질 개선의 두 번째 방법은 선-적분(pre-integrated) 렌더링을 사용하는 것이다. 기존의 선-적분 기반 쉬어-왑 렌더링은 빈-공간 도약(empty space leaping)을 하지 못하여 속도가 저하되는 문제가 있지만, 본 연구에서 제안하는 겹친 최소-최대 지도(overlapped min-max map) 자료구조를 사용하면 빈-공간 도약을 수행하여 속도 문제를 해결한다. 본 제안 방법을 통해 광선추적법(ray-tracing) 수준의 고화질 렌더링 영상을 빠른 시간에 생성할 수 있다.

Abstract AI-Helper 아이콘AI-Helper

As shear-warp volume rendering is the fastest rendering method among the software based approaches, image quality is not good as that of other high-quality rendering methods. In this paper, we propose two methods to improve the image quality of shear-warp volume rendering without sacrificing computa...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 관찰자의 시 선 방향이 객체 좌표축과 기울어진 경우, 시선 방향의 샘플 간격이 길어지게 되어 계단현상이 두드러진다. 본 연구는 쉬어-왑 렌더링의 화질을 개선하여 광 선추적법(3) 수준의 고화질 영상을 생성하고자 한다. 동시에 쉬어-왑 렌더링의 장점인 빠른 속도는 유지 하도록 한다.
  • Choi 등의 LF 최소-최대 지도[23]는 빠른 등위면 렌더링을 위한 자료구조이다. 빈-공간 탐색시 광선-상자 교차연산(ray-box intersection)-4- 없애고 상 수 거리만큼 진행하기 위해 제안되었다. 기존의 최소 -최대 지도의 단말은 점(nx, ny, nz)과 점Sx + 〃, ny + n, nz + n)을 맞모금으로 하는 육면체로 " x 〃 x n 크기인 것에 비해, LF 최소-최대 지도의 단말은 6방향으로 각각 B만큼 확장하여 점 (nx - 0 ny - P, nz - 0과 점 (nx + n + J3, ny + n + P, nz + n + 肖을 맞모금으로 하는 (n + 20 x (〃 + 20 x(几 + 2P) 크기이다.
  • 한편, 기존의 선-적분 렌더링은 후-분류(post classification) 렌더링이므로 쉬어-왑 렌더링에 그대로 적용하면 속도가 저하되는 문제가 있다. 이 문제를 해결하기 위하여 본 연구는, 겹친 최소-최대 지도(overlapped min-max map) 자료구조를 제안한다. 제안 자료구조를 이용하면 빈-공간 도약을 효율적으로 수행할 수 있기 때문에 속도 저하 문제가 해결할 수 있다.

가설 설정

  • 쉬어-왑 렌더링에서 빈-공간 도약을 하지 않는 경우(a) 매우 느린 속도를 나타낸다〔19) . 빈-공간 도약을 하는 광선추적법 (b) (3)보다 오랜 시간이 소요된다. 빈-공간 도약을 하는 경우 모든 주사선을 개별 검사하는 방법 (c)에 비해 제안방법인 겹친 최소-최대 지도(d)를 이용하면 1.
  • 선-적분 볼륨 렌더링은 볼륨 광선 적분을 효과적으로 구현하는 렌더링 방법이다. [그림 2]와 같이, 광 선상의 연속한 샘플 값이 선형성을 가지고 있다고 가정하고, 광선 조각 양 끝점의 값을 이용하여, 그 구간의 색과 투명도의 적분 값을 참조표(lookup ta-ble) 또는 선-적분 표로 미리 적분하여 구성해 놓는 다. 렌더링시 연속한 샘플 값을 선-적분 표의 색인으 로 삼아 참조표를 읽어 색과 투명도를 얻는다.
  • 이때 X 방향의 확대비율을 고려해야 하며 이를 [그림 4]에서 예를 들어 설명한다. 단, 설명의 편의를 위해 일반성을 해 치지 않는 범위에서 y 방향의 보간은 생략하였고 X 방향의 보간만을 가정하였다.
  • 쉬어-왑 렌더링은 효율적인 계산을 위해 중간영 상의 화소 크기가 복셀 크기와 같다고 가정한다[6]. 따라서 볼륨을 확대 렌더링 하면 중간영상의 화소 하나가 결과 영상의 많은 화소에 대응되므로 화질이 저하된다.
본문요약 정보가 도움이 되었나요?

저자의 다른 논문 :

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로