[論文レビュー] gSLICr: SLIC superpixels at over 250Hz

Carl Yuheng Ren, Victor Adrian Prisacariu+1 more|arXiv (Cornell University)|Sep 14, 2015

Medical Imaging Techniques and Applications参考文献 2被引用数 56

ひとこと要約

本稿では、SLICスーパーピクセルアルゴリズムの高度に最適化されたGPUアクセラレート実装であるgSLICrを提示する。1枚のGPUで250Hzを超える処理速度を達成しており、標準的な順次処理SLICを最大83倍に高速化しながら、同一のセグメンテーション品質を維持している。

ABSTRACT

We introduce a parallel GPU implementation of the Simple Linear Iterative Clustering (SLIC) superpixel segmentation. Using a single graphic card, our implementation achieves speedups of up to $83 imes$ from the standard sequential implementation. Our implementation is fully compatible with the standard sequential implementation and the software is now available online and is open source.

研究の動機と目的

• コンピュータビジョンパイプラインにおけるリアルタイムスーパーピクセルセグメンテーションの性能ボトルネックを解消すること。
• セグメンテーション品質やコンパクト性を損なわず、高速でリアルタイムのスーパーピクセル生成を可能にすること。
• オリジナルSLICアルゴリズムと完全に互換性を持つGPUアクセラレート型オープンソース実装を提供すること。
• 動画トラッキングやインタラクティブ画像処理などの低レイテンシ応用を支援すること。

提案手法

• NVIDIA CUDAフレームワークを活用し、GPUスレッド間でSLIC処理を並列化する。
• 1ピクセルあたり1スレッドを割り当てて、入力RGB画像をCIELAB色空間に変換する。
• 1スーパーピクセルあたり1スレッドを割り当ててクラスタ中心点を初期化し、S = √(N/K)の間隔で規則的なグリッド上に配置する。
• 各ピクセルを最も近いクラスタ中心点に割り当てるために、5次元距離Dₛ = d_lab + (m/S)·d_xyを計算する。
• 2段階のGPUカーネルを用いてクラスタ中心点を更新する：まず局所的な近傍領域内でピクセルデータを集約し、次に縮約して新しい中心点を計算する。
• 連結性を保証するため、2×2近傍内での主流の隣接ピクセルに、はみ出しピクセルを再ラベルする。

実験結果

リサーチクエスチョン

• RQ1 GPU並列処理を活用することで、SLICスーパーピクセルアルゴリズムをリアルタイム性能にまで高速化できるか？
• RQ2 GPUアクセラレーションによってSLICの速度がどの程度向上できるか、かつセグメンテーション品質が劣化しないか？
• RQ3 高いスループットを達成しつつ、オリジナルSLIC実装との機能互換性を維持できるか？
• RQ4 gSLICrのパフォーマンスは、他の最先端のスーパーピクセル手法と比較して、速度および正確性の面でどの程度優れているか？

主な発見

• 640×480画像に対して250Hzを超える処理速度を達成し、リアルタイムスーパーピクセルセグメンテーションを実現した。
• オリジナルの順次CPUベースのSLIC実装と比較して最大83倍の高速化を達成した。
• 1000個のスーパーピクセルセグメンテーションにおいて、1024×1024画像をgSLICrは0.01秒で処理したのに対し、標準SLICでは0.73秒を要した。
• 本手法は、視覚的および定量的にもオリジナルSLICアルゴリズムと同一の結果を生成し、機能互換性を保証している。
• gSLICrはさまざまな画像サイズおよびスーパーピクセル数において一貫したパフォーマンスを示し、堅牢性を確認した。
• オープンソースライブラリはGitHubで公開されており、最小限の依存関係で、既存のビジョンパイプラインへの統合を容易にしている。