GPU-Basierte Bewegungsmodellierung für die 360-Grad-Videokompression
Beschreibung
Für die Kompression von 360-Grad-Videos gibt es eine Vielzahl an Bewegungsmodellen, die die Bewegung von Objekten zwischen zeitlich versetzten Video-Frames nachbilden. Diese Bewegungsmodellierung erlaubt es, Informationen aus bereits übertragenen Frames zur Prädiktion zukünftiger Frames wiederzuverwenden. Ein Vorgang, der typischerweise als Bewegungskompensation bezeichnet wird. Während klassische Bewegungsmodelle dabei einen simplen Versatz in horizontaler und vertikaler Richtung nachbilden, werden für 360-Grad Videos fortgeschrittene Bewegungsmodelle benötigt, welche die tatsächliche Objektbewegung im 3D-Raum nachzubilden versuchen.
Die damit einhergehend verbesserte Qualität der Bewegungskompensation wird allerdings auf Kosten einer höheren Komplexität (Laufzeit) der Bewegungsmodellierung erreicht. Ein genauer Blick auf die verschiedenen Modelle zeigt, dass die Berechnungen für jeden Pixel im Bild unabhängig durchgeführt werden können. Somit besteht ein hohes Potential zu einer enormen Beschleunigung der notwendigen Abläufe, indem die Berechnungen für die einzelnen Pixel in hohem Grad parallel durchgeführt werden. Moderne GPUs (Graphics Processing Units) sind hierfür prädestiniert, da sie für ebenjene pixelweise Berechnungen entwickelt wurden.
In dieser Arbeit sollen ein oder mehrere Bewegungsmodelle für die 360-Grad Bewegunskompensation zur Ausführung auf der GPU realisiert werden und in einem vorhandenen Framework zur Anwendung in der Videokompression evaluiert werden. Für die Implementierung soll die GPU Programmierschnittstelle CUDA verwendet werden, welche für NVIDIA GPUs zur Verfügung steht. Für die Dauer der Arbeit sind entsprechende GPUs in den Rechnern am Lehrstuhl verfügbar.
Diese Arbeit kann auf Deutsch und auf Englisch geschrieben werden.
Voraussetzungen
- Erfahrung in Programmiersprachen wie Python, C++, oder CUDA
- Grundlegende Kenntnisse in der Bild- und Videosignalverarbeitung
- Ausgeprägte Motivation für das Erlernen und Meistern neuer Technologien
Betreuer
Andy Regensky, M.Sc.
andy.regensky@fau.de
Raum 06.0192
Hochschullehrer
Prof. Dr.-Ing. André Kaup
andre.kaup@fau.de
Raum 06.031