SIFT のアルゴリズム（ 2 ）
DoG
画像の作成(Difference-of-Gaussian)
特徴点の検出
エッジ上の点を削除
サブピクセル位置推定 コントラストの
小さい点を削除
SIFT のアルゴリズム（ 3 ）
オリエンテーションの 算出
特徴ベクトルを算出
周辺領域の勾配方向と強度から
オリエンテーションを算出
デモ（ SIFT ）
SIFT の実装方法
さまざまなスケールにおける DoG 計算
高速なガウシアンフィルタを利用 キーポイント検出
各画素で独立に判定可能 GPU
による並列計算が可能
判定に26
近傍の画素値が必要 3
次元テクスチャを利用できるか？
テクスチャサイズの制限から利用は困難 2
次元テクスチャで代用 オリエンテーションの算出
各キーポイントで独立に計算可能処理の流れ
画 像 読 み 込 み
CPU
Ｄ ｏ Ｇ 計 算
GPU
ス レ ッ ド 同 期
CPU
デ ー タ 転 送
CPU GPU
デ ー タ 転 送
GPU CPU
キ ー ポ イ ン ト 検 出
GPU
キーポイント
DoG
画像 オリエンテーション入力画像
キ ー ポ イ ン ト リ ス ト 作 成
CPU
オ リ エ ン テ ー シ ョ ン 算 出
GPU
デ ー タ 転 送
GPU CPU
SIFT 計算におけるメモリ配置
複数スケールの DoG 画像をテクスチャ 1 枚に配置
ミップマップ※
を構築 DoG
画像の出力先をソフトウェア的に調整1 1
1 2
1 4
1 8
･･･
･･･
※
CUDA
は未サポート計算時間の比較（ 1 ）
CPU と GPU で計算時間を評価
SIFT
特徴量としてオリエンテーションを計算 使用計算機
CPU: Intel Core2 Quad Q9550
（2.83 GHz
） 4
スレッドで並列計算 GPU: NVIDIA GeForce GTX280
マルチプロセッサ数: 30
（SP
数= 30
×8 = 240
） Memory
：1.0 GB
OS
：Windows Vista SP1
実験パラメータ
画像サイズ：50 2
～1000 2
画素 σ 0
：1.6
，分割数：3
0 100 200 300 400 500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000 2100
50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 1000
計算時間の比較（ 2 ）
画像サイズ
N 2
[msec.]
計算時間（
N 2 = 600 2
の場合）･
CPU : 458.0 msec.
･
GPU : 10.2 msec. (
×44.9)
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
CPU
GPU
デモ（ SIFT ）
まとめ（ SIFT ）
テクスチャメモリとコンスタントメモリの利用
キャッシュを利用したメモリアクセスの高速化 ミップマップを構築
複数スケールのDoG
画像を1
枚のテクスチャに格納 CPU と GPU で計算時間を比較
N 2 = 600 2 の場合
CPU: 458.0 msec.
GPU: 10.2 msec.
約 44 倍の高速化を実現
～ GPGPU による高速画像処理に挑戦して～
GPGPU への挑戦を終えて
CUDA を利用することで容易に GPGPU が可能
スレッドプログラミングの経験があれば非常に簡単
既存プログラムの移植も比較的容易 Thrust ライブラリによる簡単な GPGPU
GPU
を意識せずにプログラミングが可能 GPU を使うと 10 倍以上の高速化が可能？
多くの画像処理アルゴリズムは高速化が可能
空間フィルタリング，局所特徴量計算，他
逐次型の画像処理アルゴリズムは高速化が困難
ラベリング，細線化，他GPGPU の問題点と今後の展望
複数 GPU の利用
各GPU
上で別々に処理を実行 CUDA 4.0
は単一CPU
スレッドから複数GPU
を利用可能 CPU との連携
GPU
の苦手な処理をCPU
で計算 CPU
とGPU
の役割分担が重要 高性能な GPU が登場
リアルタイム画像処理（大規模計算）への挑戦 GPGPU 開発環境の標準化（ OpenCL ）
参考文献
[1] M. J. Harris, G. Coombe, T. Scheuermann, and A. Lastra, “Physically-Based Visual Simulation on Graphics Hardware,” Proceedings of
SIGGRAPH 2002 / Eurographics Workshop on Graphics Hardware 2002, pp.1-10, 2002.
（GPGPU
の起源が書かれている論文）[2] J. D. Owens, D. Luebke, N. Govindaraju, M. Harris, J. Krüger, A. E.
Lefohn, and T. J. Purcell, “A Survey of General-Purpose Computation on Graphics Hardware,” Computer Graphics Forum, Vol.26, No.1, pp.80-113, 2007.
（最近のGPGPU
が詳しく述べられている論文）[3] “GPGPU,” http://gpgpu.org/
[4] “CUDA ZONE,” http://www.nvidia.com/object/cuda_home.html [5] “CUDA Programming Guide,”
http://www.nvidia.com/object/cuda_develop.html
[6] “OpenCL,” http://www.khronos.org/opencl/
MIST （ M edia I ntegration S tandard T oolkit ）
複数メディアを扱うためのライブラリ
音声・画像処理のアルゴリズムを多数実装 C/C++
を用いた高速な処理を実現 C++
のテンプレートを用いた汎用的な実装
複数のプラットフォームで動作
充実した日本語チュートリアルを用意 オープンソースとして公開中
BSD
スタイルのライセンス
商用の製品開発でも利用可能http://mist.murase.m.is.nagoya-u.ac.jp/
～ Visual Studio 2010 の詳細設定～
※ CUDA Toolkit 4.0 以降
Visual Studio 2010 の簡易設定（ 1 ）
“.cu” ファイルの簡易コンパイル設定
プロジェクトメニューのビルドのカスタマイズを表示
ドキュメント内
GPGPUによる高速画像処理
(ページ 107-124)