GPU alapú fotontranszport nagyfelbontású heterogén közegben BME IIT Szirmay-Kalos László Magdics Milán Tóth Balázs.

Az előadások a következő témára: "GPU alapú fotontranszport nagyfelbontású heterogén közegben BME IIT Szirmay-Kalos László Magdics Milán Tóth Balázs."— Előadás másolata:

1 GPU alapú fotontranszport nagyfelbontású heterogén közegben BME IIT Szirmay-Kalos László Magdics Milán Tóth Balázs

2 A probléma Monte Carlo szimuláció: – Szabad úthossz – Abszorpció? – Szórási irány source absorption voxel fetches scattering

3 Szabad úthossz Optikai mélység eloszlásfüggvény r s Fontosság szerinti mintavétel

4 A homogén eset könnyű s r

5 Inhomogén közeg: sugármasírozás Reject Accept Komplexitás nő a felbontással Független a denzitás variációjától Lassú alacsony denzitású nagy felbontású közeg esetén

6 Inhomogén közeg: Woodcock Felbontás független Komplexitás a sűrűség variációval nő Lassú erősen inhomogén közegben Elfogadási val.:  (t)/  max

7 sűrű ritka foton Szabad úthossz Inhomogén közeg Inhomogén sűrűség Fázisfüggvény+albedo ütközés Szabad úthossznál csak az inhomogén sűrűség számít

8 foton Virtuális ütközés Valódi ütközés Virtuális ütközés és a szórási fázisfüggvénye Inhomogén közeg virtuális részecskékkel Valódi részecskével ütközés valószínűsége  (t)/(  (t)+  virtual (t))=  (t)/  comb (t)

9 Mintavételezés virtuális részecskékkel Keress  comb (t) =  (t)+  virtual (t) – Felső becslés, – Analitikusan kiértékelhető: Mintavételezés  comb (t) Valódi ütközés  (t)/  comb (t)

10 Procedurális modell példa (Perlin zaj)

11 Felső becslés: csak korlátozott szintig megyünk Felső becslés zaj Eredeti felbontás szuper-voxel felbontás

12 Mintavételezés szuper-voxel eredeti voxel sugár Valós távolság Optikai mélység Szórási pont ahol:

13 Szórási irány (példa: Klein-Nishina) Klein-Nishina : Compton formula: r = P(E,  ) Elvetéses mintavétel   = P -1 (E, r) foton z x y φ  ütközés E E’ Táblázat alapú mintavételezés

14 Szál leképzés Dózis buffer foton buffer Akkumuláció RNG mag buffer Szabad út + terminálás? Indítás vagy szórás

15 512 3 voxel tömb, 32 millió sugár NVIDIA GeForce 260 GPU Sugár masírozás: 9 secWoodcock: 7 secVirtuális: 1.4 sec Millió sugár per sec a szuper voxel rács felbontásának függvényében

16 256 3 voxel tömb

17 Procedurális Perlin zaj, 9 millió sugár

18 Skálázhatóság Millió sugár per sec

19 Videók 4096 3 effektív felbontás 128 3 szuper-voxel rács 50 millió foton/képkocka 9 sec/képkocka 4096 3 effektív felbontás 128 3 szuper-voxel rács 5 millió foton/képkocka 1 sec/képkocka

20 Konklúziók Kvázi SIMD párhuzamosítás új algoritmusokat igényel Szabad úthossz virtuális részecskékkel Fontosság szerinti mintavételezés textúrával Párhuzamos Monte Carlo: szálankénti véletlen szám generátor CPU-n generált független magokból Gyűjtő algoritmus amíg lehet.