发明名称 |
一种基于深度图的并行视点合成负载均衡方法 |
摘要 |
本发明公开了一种基于深度图的并行视点合成负载均衡方法,包括:对参考视点图像进行分割得到不同图像块,各个线程分别对所述不同图像块进行并行的视点合成,然后将各个线程产生的虚拟视点图像进行拼接,完成整个虚拟视点图像的输出;所述对参考视点图像进行分割为:将所述参考视点图像按线程个数均分为不同图像块,根据每个线程负载与平均线程负载之差计算每个图像块应调整的负载值,然后以行为单位补偿所述负载值进而计算出每个图像块的分割高度,实现负载均衡。本发明公开的负载均衡方法进一步提高虚拟视点的并行合成速度。 |
申请公布号 |
CN104378618B |
申请公布日期 |
2016.06.29 |
申请号 |
CN201410632543.5 |
申请日期 |
2014.11.11 |
申请人 |
清华大学深圳研究生院 |
发明人 |
金欣;刘站奇;戴琼海 |
分类号 |
H04N13/00(2006.01)I;H04N21/647(2011.01)I |
主分类号 |
H04N13/00(2006.01)I |
代理机构 |
深圳新创友知识产权代理有限公司 44223 |
代理人 |
杨洪龙 |
主权项 |
一种基于深度图的并行视点合成负载均衡方法,包括:对参考视点图像进行分割得到不同图像块,各个线程分别对所述不同图像块进行并行的视点合成,然后将各个线程产生的虚拟视点图像进行拼接,完成整个虚拟视点图像的输出;所述对参考视点图像进行分割包括:将所述参考视点图像按线程个数均分为不同图像块,根据每个线程负载与平均线程负载之差计算每个图像块应调整的负载值,然后以行为单位补偿所述负载值计算每个图像块的分割高度,实现负载均衡;所述每个图像块应调整的负载值为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>Δw</mi><mi>k</mi></msub><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>·</mo><mfrac><mi>H</mi><mi>N</mi></mfrac><mo>+</mo><mn>1</mn></mrow><mrow><mi>k</mi><mo>·</mo><mfrac><mi>H</mi><mi>N</mi></mfrac></mrow></munderover><msub><mi>w</mi><mi>i</mi></msub><mo>-</mo><mfrac><mrow><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>H</mi></munderover><msub><mi>w</mi><mi>i</mi></msub></mrow><mi>N</mi></mfrac></mrow>]]></math><img file="FDA0000926656350000011.GIF" wi="601" he="282" /></maths>其中,Δw<sub>k</sub>为第k个图像块应调整的负载值,w<sub>i</sub>为图像各行总负载,H为图像总行数,N为线程个数;所述计算每个图像块的分割高度为:第k个图像块的分割高度h<sub>k</sub>相应的调整的负载值为<img file="FDA0000926656350000012.GIF" wi="154" he="147" />则<img file="FDA0000926656350000013.GIF" wi="96" he="83" />通过下式确定:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msubsup><mi>h</mi><mi>k</mi><mrow><mi>n</mi><mi>e</mi><mi>w</mi></mrow></msubsup><mo>=</mo><msub><mi>h</mi><mi>k</mi></msub><mo>+</mo><mfrac><mi>H</mi><mrow><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>H</mi></munderover><msub><mi>w</mi><mi>i</mi></msub></mrow></mfrac><mo>·</mo><munderover><mo>Σ</mo><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>k</mi></munderover><msub><mi>Δw</mi><mi>j</mi></msub><mo>,</mo></mrow>]]></math><img file="FDA0000926656350000014.GIF" wi="619" he="235" /></maths>其中第一帧的h<sub>k</sub>初始化为均分图像;所述图像各行总负载w<sub>i</sub>通过下式确定:<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><msub><mi>w</mi><mi>i</mi></msub><mo>=</mo><msubsup><mi>n</mi><mrow><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow><mi>i</mi></msubsup><mo>·</mo><msub><mi>w</mi><mrow><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow></msub><mo>+</mo><msubsup><mi>n</mi><mrow><mi>n</mi><mi>o</mi><mi>n</mi><mo>_</mo><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow><mi>i</mi></msubsup><mo>·</mo><msub><mi>w</mi><mrow><mi>n</mi><mi>o</mi><mi>n</mi><mo>_</mo><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow></msub></mrow>]]></math><img file="FDA0000926656350000015.GIF" wi="787" he="91" /></maths>其中,<img file="FDA0000926656350000016.GIF" wi="104" he="75" />和<img file="FDA0000926656350000017.GIF" wi="166" he="81" />分别是每行总的空洞和非空洞数目,w<sub>holes</sub>和w<sub>non_holes</sub>分别是处理单个空洞和非空洞的负载;定义处理所述单个空洞和非空洞的负载之比:<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><mi>α</mi><mo>=</mo><mfrac><msub><mi>w</mi><mrow><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow></msub><msub><mi>w</mi><mrow><mi>n</mi><mi>o</mi><mi>n</mi><mo>_</mo><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow></msub></mfrac></mrow>]]></math><img file="FDA0000926656350000021.GIF" wi="306" he="155" /></maths>得到:<maths num="0005" id="cmaths0005"><math><![CDATA[<mfenced open = "" close = ""><mtable><mtr><mtd><mrow><msub><mi>w</mi><mi>i</mi></msub><mo>=</mo><msubsup><mi>n</mi><mrow><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow><mi>i</mi></msubsup><mo>·</mo><mi>α</mi><mo>·</mo><msub><mi>w</mi><mrow><mi>n</mi><mi>o</mi><mi>n</mi><mo>_</mo><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow></msub><mo>+</mo><msubsup><mi>n</mi><mrow><mi>n</mi><mi>o</mi><mi>n</mi><mo>_</mo><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow><mi>i</mi></msubsup><mo>·</mo><msub><mi>w</mi><mrow><mi>n</mi><mi>o</mi><mi>n</mi><mo>_</mo><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow></msub><mo>=</mo><mrow><mo>(</mo><msubsup><mi>n</mi><mrow><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow><mi>i</mi></msubsup><mo>·</mo><mi>α</mi><mo>+</mo><msubsup><mi>n</mi><mrow><mi>n</mi><mi>o</mi><mi>n</mi><mo>_</mo><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow><mi>i</mi></msubsup><mo>)</mo></mrow><mo>·</mo><msub><mi>w</mi><mrow><mi>n</mi><mi>o</mi><mi>n</mi><mo>_</mo><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow></msub></mrow></mtd></mtr><mtr><mtd><mrow><mo>=</mo><mrow><mo>(</mo><msubsup><mi>n</mi><mrow><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow><mi>i</mi></msubsup><mo>·</mo><mi>α</mi><mo>+</mo><msub><mi>n</mi><mrow><mi>r</mi><mi>e</mi><mi>f</mi><mi>s</mi></mrow></msub><mo>·</mo><mi>w</mi><mi>i</mi><mi>d</mi><mi>t</mi><mi>h</mi><mo>-</mo><msubsup><mi>n</mi><mrow><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow><mi>i</mi></msubsup><mo>)</mo></mrow><mo>·</mo><msub><mi>w</mi><mrow><mi>n</mi><mi>o</mi><mi>n</mi><mo>_</mo><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow></msub><mo>=</mo><mo>[</mo><msub><mi>n</mi><mrow><mi>r</mi><mi>e</mi><mi>f</mi><mi>s</mi></mrow></msub><mo>·</mo><mi>w</mi><mi>i</mi><mi>d</mi><mi>t</mi><mi>h</mi><mo>+</mo><mrow><mo>(</mo><mi>α</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>·</mo><msubsup><mi>n</mi><mrow><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow><mi>i</mi></msubsup><mo>]</mo><mo>·</mo><msub><mi>w</mi><mrow><mi>n</mi><mi>o</mi><mi>n</mi><mo>_</mo><mi>h</mi><mi>o</mi><mi>l</mi><mi>e</mi></mrow></msub></mrow></mtd></mtr></mtable></mfenced>]]></math><img file="FDA0000926656350000022.GIF" wi="1739" he="215" /></maths>其中,α由训练得到,width为图像块的宽度,n<sub>refs</sub>为所述参考视点图像的个数。 |
地址 |
518055 广东省深圳市南山区西丽大学城清华校区 |