结构化自适应网格细化数据的单遍GPU光线投射
天体物理仪器与方法
2015-06-12 v1 图形学
摘要
结构化自适应网格细化（SAMR）是一种流行的数值技术，用于研究具有高空间和时间动态范围的过程。它通过调整求解底层微分方程的网格以最有效地表示解来减少计算需求。特别是在天体物理学和宇宙学中，此类模拟现在可以捕获跨越十个数量级及以上的空间尺度。SAMR方案中细化区域的不规则位置和扩展以及不同分辨率级别部分重叠的事实，给基于GPU的直接体绘制方法带来了挑战。kD树已被证明有利于将数据域细分为大小相等的非重叠单元块，非常适合当前图形硬件的纹理单元，但先前使用这种数据结构的SAMR数据的GPU支持光线投射方法需要对每个节点进行单独的渲染通道，这阻止了许多需要同时访问多个单元块的高级光照方案的应用。在本文中，我们提出了一种基于kD树的SAMR数据单遍GPU光线投射算法。该树通过一组3D纹理高效编码，允许完全在GPU上自适应地采样完整射线，无需任何CPU交互。我们讨论了两种不同的数据存储策略来访问GPU上的网格数据，并将它们应用于多个数据集以证明所提出方法的优势。
引用
@article{arxiv.1212.3333,
title = {Single-Pass GPU-Raycasting for Structured Adaptive Mesh Refinement Data},
author = {Ralf Kaehler and Tom Abel},
journal= {arXiv preprint arXiv:1212.3333},
year = {2015}
}
备注
12 pages, 7 figures. submitted to Visualization and Data Analysis 2013