自选组 | 姓名 | 所在院校 | 作品名 | 点评 |
一等奖 | 周剑夫,夏宏举 | 南开大学 | MrBayes软件 | 本作品针对MrBayes软件中Metropolis coupled Markov chain Monte Carlo算法在GPU上进行并行化移植,达到较好的加速性能,并在国际一流生物学期刊上发表论文。文档清晰,程序可运行,是难得的佳作。未来可考虑从理论模型上进一步证实程序的正确性。 |
一等奖 | 吴鑫 | 西安电子科技大学 | 利用CUDA 架构快速红外背景预测实时跟踪 | 该作品针对具有重要意义的应用提出了高速GPU解决方案,并且根据GPU的特点对矩阵计算过程进行了重组,优化效果显著,结果已经在学术会议和期刊发表。 |
二等奖 | 菅立恒 | 中科院研究生院 | | 获得了35倍(Tesla C1060与4核Intel CPU相比),程序高度优化,充分利用了GPU的各种优化策略。文档完整,清晰。测试充分。并与目前公开的他人实现的算法进行了比较,性能更佳。 |
二等奖 | 王晨曦 | 清华大学 | | 作品对一组关键嵌入式系统高性能应用算法采用了多种方法进行优化,揭示了不同类型程序在GPU上的特点,有一定的普遍意义;希望进一步加强对实验结果的理论分析。 |
二等奖 | 颜善 | 西安电子科技大学 | 基于CUDA的视频编解码系统 | 该作品针对GPU的特点,重新设计了视频编解码方案,其CUDA代码能够比较充分的利用GPU的性能,工作量较大。希望能够进一步优化性能,与现有CPU和GPU上H.264的编解码方案进行充分的比较。 |
二等奖 | 尹康学 | 长安大学 | 自适应采样 | 本作品提出了利用GPU为大规模三角网络模型生成距离场的高效算法,具有一定的创新性,并已在国际顶级图形学领域会议上发表论文。文档详尽,程序可运行,是很好的作品。 |
三等奖 | 王瑞 | 中国科学院研究生院 | | 本作品是GPU在天文观测与数据处理领域的又一成功应用,作者针对边界问题设计了合理的单元分配与存储器使用方案,取得了显著的加速效果。希望下一步继续扩大规模,在对更高分辨率数据的处理中发挥重要作用。 |
三等奖 | 戴福鑫 | 中国科学院 | | 获得了40倍以上的加速比(Tesla C2050与4核Intel CPU相比), 而且可以在多GPU环境下运行。测试了可扩展性。缺乏与最他人工作的对比,只支持特定几个参数,灵活性有待优化。 |
三等奖 | 史英杰 | 北京航空航天大学 | | 基于GPU的多视图重建目前已经有了一些工作,但该作品对非线性优化和特征提取这两个部分进行加速,使得原来CPU上的算法效率有了大幅度提升,效果明显,重建结果精度较高,建议与《Accelerating feature extraction for patch-based Multi-View Stereo algorithm》做一比较,因为该文也是对Harris和DoG特征点检测方面做了GPU加速,思路很接近。另外由于整个实现基于开源的 PMVC来实现的,应该在文档中给予说明。 |
三等奖 | 黄昌盛 | 华中科技大学 | | LBM的CUDA实现方面虽已有较多工作,但此作品对处理多孔介质复杂流场作了深入优化,较好发挥了GPU的多线程处理和多级存储能力,取得较高的实用性能。如能进一步考虑多GPU并行处理,实现大规模工程问题计算,将是很优秀的作品。 |