Freeview的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

數位機上盒與數位家庭市場之研究-以越南和台灣為例

為了解決Freeview的問題，作者黎俊榮 這樣論述：

隨著科技迅速發展，數位家庭概念已經深植人心，並成為設備廠商兵家必爭之地。機上盒已成為數位家庭必備設施之一。但是數位機上盒仍無法全面普及到家庭中。在越南和台灣，隨著不同民情，使用機上盒的成因各異；在台灣，願意接納數位機上盒的比例遠較越南為高。對於同樣位於東亞的台灣與越南，若台灣打算在越南推廣數位機上盒，勢必要針對兩國對於機上盒的接受程度差異背後成因加以探究。本研究的目的是透過模型的建置，以探究關於消費者使用機上盒的接受度及他們使用後的感受與再購意願，從而幫助消費者在使用產品時能有更多好的選擇。本研究為跨國研究。透過問卷調查來檢驗模型,筆者在越南發出400多份問卷調查和在台灣也發出400多份問卷

調查，經收集、整理后將通過統計軟體來處理與驗證數據，最後根據統計結果提出科學可靠的結論。 這項研究修正了科技接受度模型（UTAUT）和忠心度模型（PVL），並提出新科技設備接受模型（NTDA）和科技忠誠度模型（TEL）來探究消費者購買前是否有使用意向以及購買后今後是否仍有再次購買的意向。對於購買前的消費者考量，本文通過NTDA模型7個變數性能預期（PE），效能預期（EE），社會影響（SI），競爭產品 （CP），價格（PRI），促銷（PRO）和行為意向（BI），以探究消費者願意使用機上盒的意向。至於購買之後是否仍會再次使用的部分，本文通過HTEL模型8個變數：有用性（UF），易用性（FE），連

線力（CN），靈活性（AF），應用程式研發（AD），遊戲經驗（GE），應用價格（AP）和購後優待（PPP），來分析成因。本研究結果驗證出，PE, EE, SI, CP, PRI, PRO確實對“消費者是否有使用機上盒意向”有直接的關係。同樣，UF, FE, CN, AF, AD, GE, AP, PPP也是影響到顧購買后是否仍然會有再次使用意向的因素。

自由視角生成引擎演算法與硬體架構設計

為了解決Freeview的問題，作者魏谷竹 這樣論述：

自由視角電視被認為視下一代電視發展的趨勢，相較於傳統的三維電視，自由視角電視能提供無限多個可觀賞角度，讓使用者的觀賞角度有著完全的自由。然而受限於影片在拍攝時只能透過有限多個相機得到，意即要在顯示端提供直接顯示無限多個視角是不可行的。自由視角生成技術便是解決此問題的重要關鍵：將輸入的影片作任意觀賞角度的生成，有限視角變成無限視角，而此論文便提出一自由視角電視中自由視角生成引擎的設計，從軟體層面至硬體層面。在文獻中，自由視角生成技術主要是由深度影像繪圖法與破洞填補構成，然而要將此技術使用在實際電視的系統上，效率乃是最重要的議題，需要考量影像品質以及運算複雜度之間的權衡。因此，在此論文提出一高效

率的深度影像繪圖演算法：由光線投影與推拉演算法構成，只需要一個階段就能完成，但影像品質與目前最效果最好的流程(兩階段的向後捲繞) 十分類似。其中光線投影可以視為在繪圖的過程中套用三維濾波器，而推拉演算法可以進一步解決因取樣所造成的問題。然因輸入的深度圖並非完美(時間上並不保證不一致)，導致生成的新視角影片會出現時間閃爍的現象，為了消除影片中閃爍的現象，我們另將一時間濾波器加入到此自由視角生成引擎，生成結果也因此獲得相當的改善。因為我們在演算法層面就考慮適合硬體實作的演算法：相較於一般向後捲繞的流程需要兩個階段，我們將提出的深度影像會圖法只要一個階段。單純一階段管現化的演算法，對自由視角生成引擎

的硬體架構設計便有相當大的助益。此外，為了能讓演算法符合硬體架構，我們改變了既有的破洞填補演算法：使用加權平均的方式，權重為位置與深度資訊的結合，此方法的好是乃是能免除傳統破洞填補演算法所需的不定遞迴過程，確保在固定的次數內將破洞填補完成。硬體的架構設計上，最主要的挑戰為大量的頻寬需求以及深度繪圖法的對外部記憶體的不規則讀取。為解決此問題，我們將畫面分成區塊各自分開運算；同時，我們在深度影像繪圖法前加上一個額外的模組，預捲繞。深度影像繪圖法便能利用預捲繞得到的資訊來預測來源影片中的哪些區塊是需要讀取的，避免讀取不必要的區塊，減少大量的頻寬的需求，也因為每次都是以區塊為單位讀進晶片中，外部記憶體

隨機存取的問題也能同時得到解決。藉由預捲繞與將畫面分成小區塊，我們提出的硬體架構便能在外部頻寬、內部記憶體大小、與運算資源中取得一個好的平衡點。