Компьютерная Графика и Мультимедиа Сетевой журнал

В данной статье рассматривается широко распространенный класс алгоритмов фотореалистичного синтеза – алгоритмы глобального освещения

Статья рассказывает о технологии STREAM, позволяющей программисту использовать видеокарты компании AMD для вычислений общего назначения. Во многом мы будем опираться на предыдущую статью, где рассказывалось про CUDA. Мы постараемся сфокусироваться на отличиях между CUDA и STREAM, а также рассмотрим особенности архитектуры RV770/RV870.

Вычислительная математика благодаря развитию компьютерных технологий получила возможность решать важные практические задачи за достаточно приемлемое время. К тому же появляются все новые и более быстрые способы обработки данных. Сегодня становится популярным использование современных графических процессоров для осуществления высокопроизводительных математических вычислений. Это позволяет значительно увеличить скорость вычислений по сравнению с теми, что обычно выполняются на центральном процессоре компьютера.

Реалистичная визуализация водной поверхности один из самых эффективных способов сделать 3D приложение привлекательным. Но многие алгоритмы синтеза поверхности, как правило, сложны в реализации и требовательны к аппаратуре, поэтому к вопросу выбора алгоритма стоит подойти с параноидальной осторожностью.

Несмотря на то, что уравнение Пуассона исторически возникло в процессе решения задач математической физики, в последнее время оно находит все большее применение и в других областях, в том числе в области обработки изображений. За недавнее время в этой сфере появилось достаточно большое количество статей, предлагающих алгоритмы, решающие с помощью уравнения Пуассона самые разнообразные задачи. В этой статье предлагается обзор некоторых из них.

Обнаружения и сопоставление точечных особенностей на изображениях является важной задачей компьютерного зрения и находит применение в таких приложениях как 3D реконструкция, индексация в базах данных изображений и т.д. На первый взгляд наборы соответствующих точек на изображениях дают довольно мало информации об изображениях и наблюдаемой сцене, но на самом деле это не так. Например, если у нас есть несколько изображений одной сцены и наборы соответствующих точек на этих изображениях мы можем определить настройки и положение камеры для каждого изображения. К сожалению, на данный момент нет универсального алгоритма качественно решающего данную задачу. Связано это с тем, что при съемке сцены изображения ее точек подвергаются различным искажениям, например проективные преобразования, связанные с перемещением камеры либо объектов сцены, изменения освещенности сцены и т.д. В данной статье будут рассказано о некоторых принципах построения алгоритмов сопоставления точечных особенностей, инвариантных к таким искажениям как изменение масштаба, вызванное например оптическим или цифровым zoom'ом, поворот изображения и изменения освещенности сцены.