Arkade：基于 GPU 光线追踪的非欧氏距离 k 近邻搜索
图形学
2024-04-23 v2 分布式、并行与集群计算
性能
摘要
低维空间中 近邻搜索（NN）的高性能实现使用基于树的数据结构。由于树算法的非规则性，其难以在 GPU 上并行化。然而，较新的 Nvidia GPU 通过光线追踪核心提供对树操作的硬件支持。近期工作已提出使用 RT 核心来实现 NN 搜索，但它们都受到硬件对搜索所用距离度量的限制——欧氏距离。我们提出并实现了两种归约方法以支持除欧氏距离外广泛距离度量的 NN：Arkade Filter-Refine 与 Arkade Monotone Transformation，二者均允许基于非欧氏距离的近邻查询以欧氏距离的形式执行。通过我们的归约方法，我们观察到相较于各种最先进的 GPU 着色器核心和 RT 核心基线，NN 搜索时间加速比分别介于 x-x 和 x-x 之间。在评估中，我们通过分析 NN 搜索时间趋势，提供了关于 RT 架构高效构建与遍历树能力的若干见解。
引用
@article{arxiv.2311.09168,
title = {Arkade: k-Nearest Neighbor Search With Non-Euclidean Distances using GPU Ray Tracing},
author = {Durga Mandarapu and Vani Nagarajan and Artem Pelenitsyn and Milind Kulkarni},
journal= {arXiv preprint arXiv:2311.09168},
year = {2024}
}