DOI: https://doi.org/10.26089/NumMet.v26r207

Адаптация методов вычисления глобального освещения на основе алгоритма излучательности к архитектуре кадрового графа

Авторы

  • А. С. Щербаков

Ключевые слова:

глобальное освещение
вычислительные графы
компьютерная графика

Аннотация

В статье рассматривается интеграция метода излучательности в архитектуру кадрового графа с целью оптимизации потребления памяти графического процессора. Предложены способы адаптации метода матрицы нескольких отражений, метода локальной матрицы и метода темпоральной излучательности с учетом требований к управлению ресурсами на графическом процессоре. Описана схема переиспользования временной памяти между различными этапами обработки глобального освещения, что позволяет снизить нагрузку на видеопамять и минимизировать накладные расходы при выполнении алгоритма. Проведено экспериментальное исследование на тестовых сценах, подтверждающее эффективность предложенного подхода и демонстрирующее снижение потребления памяти.


Загрузки

Опубликован

2025-04-02

Выпуск

Раздел

Методы и алгоритмы вычислительной математики и их приложения

Автор

А. С. Щербаков


Библиографические ссылки

  1. F. X. Sillion and C. Puech, Radiosity and Global Illumination (Morgan Kaufmann, San Francisco, 1994).
  2. Y. O’Donnell, FrameGraph: Extensible Rendering Architecture in Frostbite.Game Developers Conference. 2017.
    https://www.gdcvault.com/play/1024612/FrameGraph-Extensible-Rendering-Architecture-in . Cited March 5, 2025.
  3. G. Wihlidal, Halcyon: Rapid Innovation Using Modern Graphics.
    https://media.contentapi.ea.com/content/dam/ea/seed/presentations/wihlidal2019-rebootdevelopblue-halcyon-rapid-innovation.pdf . Cited March 5, 2025.
  4. R. Sandu and A. Shcherbakov, “A Resource Allocation Algorithm for a History-Aware Frame Graph,” J. WSCG 31 (1-2), 63-70 (2023).
    doi 10.24132/jwscg.2023.7
  5. R. Sandu and A. Shcherbakov, “GPU Cache Flush Minimization in Render Graph Systems,” J. WSCG 32 (1-2), 71-78 (2024).
    doi 10.24132/jwscg.2024.8
  6. Using Resource Barriers to Synchronize Resource States in Direct3D 12.
    https://learn.microsoft.com/en-us/windows/win32/direct3d12/using-resource-barriers-to-synchronize-resource-states-in-direct3d-12 . Cited March 5, 2025.
  7. Understanding Vulkan Synchronization.
    https://www.khronos.org/blog/understanding-vulkan-synchronization . Cited March 5, 2025.
  8. memoryBarrier(scope: after: before: ).
    https://developer.apple.com/documentation/metal/mtlrendercommandencoder/memorybarrier(scope: after: before: ). Cited March 5, 2025.
  9. C. Wyman, S. Hargreaves, P. Shirley, and C. Barré-Brisebois, Introduction to DirectX RayTracing. 2018.
    https://intro-to-dxr.cwyman.org/. Cited March 5, 2025.
  10. M. Stich, Introduction to NVIDIA RTX and DirectX Ray Tracing. 2018.
    https://developer.nvidia.com/blog/introduction-nvidia-rtx-directx-ray-tracing/. Cited March 5, 2025.
  11. C. Crassin, F. Neyret, M. Sainz, et al., Interactive Indirect Illumination Using Voxel Cone Tracing: A Preview. 2011.
    doi 10.1145/1944745.1944787
  12. T. Ritschel, T. Grosch, and H.-P. Seidel, “Approximating Dynamic Global Illumination in Image Space,” 2009.
    doi 10.1145/1507149.1507161
  13. J. Jimenez, X.-Ch. Wu, A. Pesce, et al., Practical Real-Time Strategies for Accurate Indirect Occlusion. 2016.
    https://www.activision.com/cdn/research/Practical_Real_Time_Strategies_for_Accurate_Indirect_Occlusion_NEW Cited March 5, 2025.
  14. A. Marrs, RTXGI: Scalable Ray Traced Global Illumination in Real Time. 2020.
    https://developer.download.nvidia.com/rtx/rtxgi/NVIDIA-RTXGI-03-23-2020-v2.pdf . Cited March 6, 2025.
  15. M. McGuire, Dynamic Diffuse Global Illumination. 2019.
    https://morgan3d.github.io/articles/2019-04-01-ddgi/. Cited March 6, 2025.
  16. Quake Lightmaps. 2015.
    https://jbush001.github.io/2015/06/11/quake-lightmaps.html . Cited March 6, 2025.
  17. R. Green, Spherical Harmonic Lighting: The Gritty Details. 2003.
    https://3dvar.com/Green2003Spherical.pdf . Cited March 6, 2025.
  18. B. Kahl, Hardware Acceleration of Progressive Refinement Radiosity Using Nvidia RTX. 2023.
    https://arxiv.org/abs/2303.14831 . Cited March 6, 2025.
  19. A. Shcherbakov, V. Frolov, and V. Galaktionov, “Virtual Patches Approach for Radiosity,” Proceedings of ISP RAS 34 (3), 47-60 (2022).
    doi 10.15514/ISPRAS-2022-34(3)-4
  20. P. Hanrahan, D. Salzman, and L. Aupperle, “A Rapid Hierarchical Radiosity Algorithm,” Comput. Graph. 25 (4), 197-206 (1991).
  21. C. Damez and F. X. Sillion, “Space-Time Hierarchical Radiosity,” 1999.
    https://inria.hal.science/inria-00527746/file/SpaceTimeRad.pdf . Cited March 6, 2025.
  22. A. S. Shcherbakov and V. A. Frolov, “Matrix Transformations for Effective Implementation of Radiosity Algorithm Using Graphic Processors,” Svetotekhnika, No. 3, 43-47 (2018) [Light Eng. 27 (2), 105-110 (2019)].
    doi 10.33383/2017-081
  23. A. Shcherbakov and V. Frolov, “Dynamic Radiosity,” Computer Science Research Notes (2019), pp. 83-90.
    doi 10.24132/CSRN.2019.2901.1.10
  24. A. S. Shcherbakov, V. A. Frolov, and V. A. Galaktionov, Temporal Radiosity Method for 3D-Scenes of Arbitrary Detailization , Preprint No. 76 (Keldysh Institute of Applied Mathematics, Moscow, 2023).
    doi 10.20948/prepr-2023-76
  25. A. J. Walker, “New Fast Method for Generating Discrete Random Numbers with Arbitrary Frequency Distributions,” Electronics Lett. 10 (8), 127-128 (1974).
    doi 10.1049/el: 19740097.
  26. L. Yang, S. Liu, and M. Salvi, “A Survey of Temporal Antialiasing Techniques,” Comput. Graph. Forum 39 (2), 607-621 (2020).
    doi 10.1111/cgf.14018
  27. Temporal Super Resolution.
    https://docs.unrealengine.com/5.2/en-US/temporal-super-resolution-in-unreal-engine/. Cited March 6, 2025.
  28. H.-P. Lehmann, L. Hübschle-Schneider, and P. Sanders, “Weighted Random Sampling on GPUs,” 2021.
    https://arxiv.org/abs/2106.12270 . Cited March 6, 2025.