Traçado de Raios de Cenas Dinâmicas na GPU

Apresentação em tema: "Traçado de Raios de Cenas Dinâmicas na GPU"— Transcrição da apresentação:

1 Traçado de Raios de Cenas Dinâmicas na GPU
Autor: Paulo Ivson Netto Santos Orientador: Waldemar Celes Filho 23 de Março de 2009

2 Sumário Motivação Estado da Arte Contribuições do Trabalho
Construção da Grade Uniforme Traçado de Raios Resultados Conclusão Trabalhos Futuros

3 Por que o traçado de raios? Por que usar a GPU?
Motivação Por que o traçado de raios? Por que usar a GPU?

4 Vantagens Eficiência O(log(n)) na complexidade da cena
Descarte de visibilidade e oclusão Instanciação Imagens: [Wald et al. 2003]

5 Vantagens Alta qualidade de imagem Efeitos de sombreamento
Cálculos fisicamente corretos Iluminação Global Imagens: [Wald et al. 2003]

6 Iluminação Global Imagens: [Wald et al. 2003]

7 Placa Gráfica GFLOPS GPUs se tornaram eficientes e flexíveis
Centenas de processadores em paralelo Suporta precisão de 32-bits de ponto flutuante Oferece muitos GFLOPS Placas gráficas em cada PC e estação de trabalho GFLOPS G80 = GeForce 8800 GTX G71 = GeForce 7900 GTX G70 = GeForce 7800 GTX NV40 = GeForce 6800 Ultra NV35 = GeForce FX 5950 Ultra NV30 = GeForce FX 5800 Imagens: Nvidia

8 Desafios Constantes enormes Precisa de muitos raios
1 raio ~ ciclos da CPU Precisa de muitos raios ~1M pixels/quadro 4x anti-serrilhamento 25 quadros/seg 10 raios/pixel  Um bilhão de raios por segundo… Sem hardware especializado Rasterização tem evoluído há 20 anos! Sem API unificada OpenGL vs OpenRT

9 Como obter desempenho interativo
Estado da Arte Como obter desempenho interativo

10 Explorar Paralelismo Agrupar raios próximos
Instruções SIMD Raios primários Utilizar vários processadores Clusters de PCs Placas gráficas

11 Reduzir Interseções Interseção com primitivas
90% do processamento Estrutura de Aceleração (EA) Minimizar interseções Trocar pelo custo de percorrer a estrutura Reduzir complexidade do algoritmo O(n) → O(log(n))

12 Cenas Dinâmicas Movimento de corpo rígido Animação estruturada
Transformar raio para espaço local do objeto Animação estruturada Pré-construir EAs para cada quadro-chave Deformar volumes envolventes da EA Não estruturada Reconstruir ou adaptar EA a cada quadro

13 Trabalhos Relacionados
CPU Ray Tracing Animated Scenes using Coherent Grid Traversal [Wald et al. 2006] Ray Tracing Deformable Scenes using Dynamic Bounding Volume Hierarchies [Wald et al. 2007] Highly Parallel Fast KD-Tree Construction for Interactive Ray Tracing of Dynamic Scenes [Shevtsov et al. 2007] GPU Real-Time KD-Tree Construction on Graphics Hardware [Zhou et al. 2008]

14 Contribuições do Trabalho
Solução proposta

15 Objetivos Explorar paralelismo da GPU Cenas dinâmicas
Movimento de corpo rígido Deformações Movimento não-estruturado Estrutura de Aceleração Grade Uniforme Reconstruir quando houver movimento

16 Algoritmos na GPU Construção da Grade Uniforme em paralelo
Percurso e interseção de raios Cálculo de sombreamento Texturas Sombras Reflexões

17 Resumo da Solução

18 Construção da Grade Uniforme
Implementação em paralelo

19 Algoritmo Básico Encontrar AABB da cena Determinar no. de células
Construir listas de triângulos contidos em cada célula Construir índice ID célula → lista de primitivas

20 Desafios em Paralelo Como paralelizar a construção das listas?
Por primitiva Conflitos de escrita na mesma célula Por célula Inúmeros acessos a muitos dados Como construir índice para as listas? Determinar início e tamanho de cada lista

21 Observação Difícil Fácil Obter primitivas ocupadas por cada célula
Obter células ocupadas por cada primitiva

22 Idéia Fundamental Escrever pares (ID célula, ID primitiva)
Ordenados por ID primitiva Reordenar pares de acordo com ID célula

23 Algoritmo Obter quantas células cada primitiva ocupa
Acumular valores da Etapa 1 Escrever pares (ID célula, ID primitiva) usando índices da Etapa 2 Ordenar pares da Etapa 3 Dado ID célula, encontrar sua lista dentre pares ordenados da Etapa 4

24 Etapa 1 Objetivos Implementação Exemplo
Obter quantas células cada primitiva ocupa Implementação Fragment shader Estimativa pela AABB de cada triângulo Escrever total de células em cada pixel Exemplo

25 Etapa 2 Objetivos Implementação Exemplo Acumular valores da Etapa 1
Índices para listas de células ocupadas por primitiva Implementação Soma de prefixos em paralelo CUDA Data-Parallel Primitives (CUDPP) Acumular um valor adicional no final Exemplo

26 Etapa 3 – Considerações Objetivos
Escrever pares (ID célula, ID primitiva) Usar índices acumulados da Etapa 2 Uma operação de escrita Várias operações de escrita Uma passada Fragment shader CUDA Geometry shader Várias passadas Vertex shader -

27 Etapa 3 – Solução Proposta
Dado ID par na saída Obter ID célula e ID primitiva Dentre os valores da Etapa 2 Busca binária pelo maior valor Vmáx menor que ID par ID primitiva = índice de Vmáx na Etapa 2 ID célula = ID célula inicial + (ID par – Vmáx) Exemplo

28 Etapa 4 Objetivos Implementação Exemplo
Ordenar pares da Etapa 3 de acordo com ID célula Implementação CUDA Radix-sort Exemplo

29 Etapa 5 Objetivos Implementação Exemplo
Construir índices para acessar listas da Etapa 4 Implementação Busca binária pelo ID célula nas listas ordenadas Obter início e tamanho de cada lista Fragment shader Exemplo

30 Vantagens Paralelismo Banda de memória Implementação eficiente na GPU
Sem conflitos de escrita Sem múltiplos valores de saída Banda de memória Poucos acessos a dados Implementação eficiente na GPU Soma de prefixos Ordenação Busca binária

31 Traçado de Raios Implementação na GPU

32 Algoritmo Conceitual

33 Rotinas Principais Percurso de raios Interseção raio x triângulo
3D-DDA [Amanatides and Woo 1987] Interseção raio x triângulo Coordenadas baricêntricas [Möller and Trumbore 1997] Sombreamento Phong + texturas Raios de sombra Raios de reflexão

34 Implementação na GPU Várias etapas Raios primários Raios de sombra
interseções em sombra Raios primários Raios de sombra Sombreamento interseções cor final Reflexão: passada adicional com blend

35 Resultados Análise de desempenho

36 Roteiro Construção da Grade Uniforme Cenas de Teste Desempenho
Cenas Estáticas Cenas Dinâmicas Trabalhos Relacionados Etapas de Visualização Configuração de testes Nvidia GeForce 8800 Ultra Resolução de 1024 x 1024

37 Construção da Grade Uniforme
Tempo para reconstrução (ms) De 2x a 3x mais rápido que CPU Lento para cenas pequenas (API gráfica)

38 Cenas de Teste - CAD P40 (470K tris) MonoBR (112K tris) Boat

39 Cenas de Teste - Benchmarks
Hand (16K tris) Ben (78K tris) Wood-doll (5K tris)

40 Cenas de Teste - Benchmarks
Toys (11K tris) Forest (174K tris) Marbles (9K tris)

41 Cenas Estáticas - CAD Resultados P-40 Sombras Reflexões Escalabilidade
Quadros por segundo (fps) Resultados P-40 Escalabilidade Descarte por oclusão Sombras Cerca de 50% mais lento Reflexões Pior para modelos grandes

42 Cenas Estáticas - Benchmarks
Quadros por segundo (fps) “Forest” é pior caso para Grade Uniforme “Teapot in a stadium” Sombras Até 50% mais lento Reflexões Até 85% mais lento “Forest” pior (modelo grande)

43 Cenas Dinâmicas - Benchmarks
Quadros por segundo (fps) Reconstrução da Grade Uniforme Custo pequeno (-10%) Exceto “Forest” (-30%)

44 Trabalhos Relacionados
Quadros por segundo (fps) Desempenho até 4x mais rápido que BVH e Grade na CPU “Toys” Melhor que CPU kd-tree e pior que GPU kd-tree “Forest” Pior que ambas pesquisas com kd-tree

45 Etapas de Visualização
Tempo de cada etapa (ms) Enviar dados para GPU é rápido Construção da Grade mais rápida que CPU Kd-tree mais lenta para ser construída Gargalo: etapa de traçado de raios

46 Demonstração Vídeos

47 Revisão dos resultados e proposta inicial
Conclusão Revisão dos resultados e proposta inicial

48 Objetivos Atingidos Construção da Grade Uniforme na GPU
Implementação em paralelo Rápida e escalável Traçado de raios de cenas dinâmicas Desempenho interativo Sombras, reflexões

49 Contribuições Construção da Grade Uniforme na GPU
Mais rápido que pesquisas similares na CPU Traçado de raios na GPU Mais rápido que Grade e BVH na CPU Cenas esparsas Mais lento que kd-tree na CPU e GPU Várias melhorias possíveis

50 Melhorias e novas pesquisas
Trabalhos Futuros Melhorias e novas pesquisas

51 Próximos Passos Grades hierárquicas
Várias Grades (movimento de corpo rígido) Distância até próxima célula ocupada Outras estruturas na GPU (BIH, BVH) Traçar pacotes de raios Simulação física

52 Bibliografia AMANATIDES, J.; WOO, A. A fast voxel traversal algorithm for ray tracing. In: IN EUROGRAPHICS '87, p. 3-10, 1987. MOLLER, T. A.; TRUMBORE, B. Fast, minimum storage ray-triangle intersection. JGTOOLS: Journal of Graphics Tools, 2, 1997. SHEVTSOV, M.; SOUPIKOV, A. ; KAPUSTIN, A. Highly parallel fast kd-tree construction for interactive ray tracing of dynamic scenes. Comput. Graph. Forum, 26(3): , 2007. WALD, I.; PURCELL, T. J.; SCHMITTLER, J.; BENTHIN, C. ; SLUSALLEK, P. Realtime Ray Tracing and its use for Interactive Global Illumination. In: Eurographics State of the Art Reports, 2003. WALD, I.; IZE, T.; KENSLER, A.; KNOLL, A. ; PARKER, S. G. Ray Tracing Animated Scenes using Coherent Grid Traversal. ACM Transactions on Graphics, p , (Proceedings of ACM SIGGRAPH 2006). WALD, I.; BOULOS, S. ; SHIRLEY, P. Ray Tracing Deformable Scenes using Dynamic Bounding Volume Hierarchies. ACM Transactions on Graphics, 26(1), 2007. ZHOU, K.; HOU, Q.; WANG, R. ; GUO, B. Real-time kd-tree construction on graphics hardware. In: SIGGRAPH ASIA '08: ACM SIGGRAPH ASIA 2008 PAPERS, p. 1-11, New York, NY, USA, ACM.