GPUを用いた高精度かつ高速なダンス支援システム
【研究キーワード】
ZNCC / GPU / 実時間処理 / Openpose / GPGPU / 高速化 / 支援システム
【研究成果の概要】
まず、モバイルGPUを用いてバイアスの変動に頑健な系列データの類似度算出手法であるZNCCの高速化を実現し、その研究成果をまとめて論文誌にて発表した。この手法は動作ベクトルのマッチング問題に有効であることをすでに検証されたが、計算量が多いためにそのまま高速システムにおいてはあまり用いられない。画像スキャン方式を通常の左から右へのラインスキャンから上下方向も含むジグザグスキャンまで変更することにより、メモリ使用量の削減や効率的なメモリアクセスを実現することができた。さらに、レジスタの使用を工夫することにより、処理速度が従来手法の約2倍程度までアップできた。これにより、モバイルGPUでZNCCの高速処理を実現でき、高速ダンス支援システムに応用することが可能になった。この手法はマッチングに必要とされるGPU内部メモリ使用量を大幅に削減することができるものであり、近年のGPUの高性能化を考えた時に、非常に有効な手法であると言える。
次に、大規模ニューラルネットワークの高速化を実現するため、GPU Primitiveの使用も検討した。行パータンデータのマッチング問題を対象として、GPUでの並列処理手法を提案し、高速マッチングすることを実現した。その研究結果を国際会議にて発表した。
さらに、動作検出アルゴリズムの計算量を削減ため、キーフレームの動作だけを学習し、新たな動作を生成することで補間処理を行う手法を提案した。その研究成果は論文誌に発表した。
【研究代表者】
【研究種目】若手研究
【研究期間】2021-04-01 - 2024-03-31
【配分額】3,770千円 (直接経費: 2,900千円、間接経費: 870千円)