Please use this identifier to cite or link to this item: doi:10.22028/D291-28379
Title: Artificial Intelligence for Efficient Image-based View Synthesis
Author(s): Leimkühler, Thomas
Language: English
Year of Publication: 2019
SWD key words: Realistische Computergrafik
Bildbasiertes Rendering
Künstliche Intelligenz
DDC notations: 004 Computer science, internet
Publikation type: Doctoral Thesis
Abstract: Synthesizing novel views from image data is a widely investigated topic in both computer graphics and computer vision, and has many applications like stereo or multi-view rendering for virtual reality, light field reconstruction, and image post-processing. While image-based approaches have the advantage of reduced computational load compared to classical model-based rendering, efficiency is still a major concern. This thesis demonstrates how concepts and tools from artificial intelligence can be used to increase the efficiency of image-based view synthesis algorithms. In particular it is shown how machine learning can help to generate point patterns useful for a variety of computer graphics tasks, how path planning can guide image warping, how sparsity-enforcing optimization can lead to significant speedups in interactive distribution effect rendering, and how probabilistic inference can be used to perform real-time 2D-to-3D conversion.
Die bildbasierte Synthese von neuen Ansichten ist Gegenstand intensiver Forschungsbemühungen sowohl in der Computergrafik als auch im maschinellen Sehen, mit Anwendungen wie stereo- und multiskopisches Rendering, virtuelle Realität, Lichtfeldrekonstruktion und nachträgliche Bildverarbeitung. Bildbasierte Ansätze weisen den Vorteil auf, dass sie im Vergleich zum klassischen modellbasierten Rendering weniger Rechenleistung erfordern. Effizienz ist jedoch weiterhin ein großes Problem. Diese Arbeit zeigt, wie Konzepte und Hilfsmittel aus dem Feld der künstlichen Intelligenz benutzt werden können, um die Effizienz der bildbasierten Synthese von neuen Ansichten zu steigern. Im Einzelnen wird gezeigt, wie maschinelles Lernen das Generieren von Punktmustern, die für viele Anwendungen in der Computergrafik nützlich sind, unterstützen kann und wie das Planen von Pfaden dasWarpen von Bildern in effiziente Bahnen lenken kann. Weiterhin wird eine Optimierung zur Ausdünnung von Datenstrukturen entwickelt, die das interaktive Rendern von Verteilungseffekten signifikant beschleunigt. Abschließend wird gezeigt, wie probabilistische Inferenz zur 2D-zu-3D Konvertierung in Echtzeit benutzt werden kann.
Link to this record: urn:nbn:de:bsz:291--ds-283793
hdl:20.500.11880/27664
http://dx.doi.org/10.22028/D291-28379
Advisor: Seidel, Hans-Peter
Date of oral examination: 24-Jun-2019
Date of registration: 20-Aug-2019
Faculty: MI - Fakultät für Mathematik und Informatik
Department: MI - Informatik
Collections:SciDok - Der Wissenschaftsserver der Universität des Saarlandes

Files for this record:
File Description SizeFormat 
Dissertation_Leimkuehler_UdS.pdf14,42 MBAdobe PDFView/Open


Items in SciDok are protected by copyright, with all rights reserved, unless otherwise indicated.