基于GPU的大规模、非结构化和非凸分割数据的数据并行渲染
摘要：可视化计算流体动力学模拟经常产生具有非平凡、非凸边界和不均匀分布在计算节点之间的大型有限元集群，这在交互式体积渲染期间对合成提出了挑战。正确地就地可视化这样的集群变得困难，因为视线在多个计算节点上横跨域边界。我们提出了一种基于GPU、可扩展、内存高效的直接体积可视化框架，适用于原位和事后使用。我们的方法通过利用基于异或的索引减少方案，减少了非结构化体元的内存使用，并提供了快速的基于射线行进的遍历，而无需在元素本身上构建大型外部数据结构。此外，我们提出了一种针对GPU优化的深度合成方案，可以对不规则集群中跨不同排名累积的中间颜色值进行正确的顺序合成。我们的方法在大型数据并行系统上具有良好的扩展性，并实现了交互式帧率。我们可以使用72个和80个GPU，在TACC的Frontera超级计算机上以每秒14帧和每秒10帧的速度交互式渲染Fun3D Small Mars Lander（14 GB/7.984亿有限元）和Huge Mars Lander（111.57 GB/64亿有限元）数据集。
作者：Alper Sahistan, Serkan Demirci, Ingo Wald, Stefan Zellmann, Jo~ao Barbosa, Nathan Morrical, Uu{g}ur G"ud"ukbay
论文ID：2209.14537
分类：Graphics
分类简称：cs.GR
提交时间：2022-09-30