Zobrazení rozsáhlých volumetrických dat na CPU

Loading...
Thumbnail Image
Date
ORCID
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato práce řeší problém zobrazení volumetrických dat na CPU, které svým datovým rozsahem přesahují operační paměť stroje. Práce popisuje návrh vizualizačního schématu, které sestává z datové struktury pro rozsáhlá volumetrická data, a algoritmu, který takto zpracovaná data vizualizuje. Navržená hierarchická datová struktura akceleruje vzorkování a umožňuje redukci celkového množství dat, které je při vizualizaci nutné načíst do fyzické paměti. Vizualizace zpracovaných dat je docíleno metodou vrhání paprsků s využitím existujících optimalizačních technik, jako je přeskakování prázdného prostoru nebo předčasné ukončení paprsku. Datová struktura umožňuje až 12x rychlejší vzorkování v porovnání s vzorkováním surových rozsáhlých volumetrických dat, která jsou serializována po řádcích. Využitím datové hierarchie bylo dosaženo až 150x rychlejší vizualizace rozsáhlých volumetrických dat v téměř bezeztrátovém režimu v porovnání s plně bezeztrátovým režimem. Zobrazovací schéma je implementováno formou knihovny v jazyce C++20. Implementace využívá akceleraci pomocí vektorizace a umožňuje snadnou paralelizaci ze strany uživatele. Knihovna poskytuje nástroje pro zpracování a zobrazení rozsáhlých volumetrických dat na CPU.
This thesis deals with the problem of displaying volumetric data that exceeds the operating memory capacity of the machine. The work describes the design of a visualization pipeline, which consists of a data structure for large volumetric data and an algorithm that visualizes such data. The proposed hierarchical data structure accelerates sampling and allows the reduction of the total amount of data that needs to be loaded into physical memory during visualization. Visualization of processed data is achieved by the ray casting method with existing optimization techniques, such as empty space skipping and early ray termination. The data structure allows up to 12x faster sampling compared to the sampling of raw large volumetric data serialized by rows. Up to 150x faster visualization of large volumetric data in near-lossless mode has been achieved compared to the fully lossless mode by utilizing the data hierarchy. The display scheme is implemented in the form of a library in C++20 language. The implementation uses acceleration by vectorization and allows easy parallelization by the user. The library provides tools for processing and visualization of large volumetric data on the CPU.
Description
Citation
DLABAJA, D. Zobrazení rozsáhlých volumetrických dat na CPU [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2022.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Počítačová grafika a interakce
Comittee
prof. Dr. Ing. Pavel Zemčík, dr. h. c. (předseda) doc. Ing. Peter Chudý, Ph.D., MBA (místopředseda) Ing. David Bařina, Ph.D. (člen) doc. RNDr. Milan Češka, Ph.D. (člen) Ing. František Grézl, Ph.D. (člen) Ing. Tomáš Milet, Ph.D. (člen)
Date of acceptance
2022-06-22
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A. Otázky u obhajoby: Neobsahuje červený blok na obrázku 4.6, v druhé úrovni hierarchie špatnou minimální hodnotu? Proč je vizualizační aplikace tak pomalá? Jak jste ji v takovém stavu mohl ovládat přes GUI? Proč bylo řešení realizováno na CPU? Jak vypadá využitá datová struktura? Jak probíhá adaptace na cílové řešení? Provedl jste porovnání s jinými řešeními?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení
DOI
Collections
Citace PRO