В России научились быстро создавать компактные 3D-модели и сцены
В России ученые научились ускорять процесс рендеринга сложных 3D-моделей и уменьшать их объём
На научном семинаре Центра искусственного интеллекта МГУ ученые представили разработки, которые позволяют заметно ускорить рендеринг сложных 3D-моделей и сократить объем хранимых данных. Исследователи сосредоточились на новых форматах представления геометрии с использованием нейросетевых методов.
Математика вместо полигонов
Вместо традиционной треугольной сетки ученые применяют SDF-представление. Это способ описывать объект через функцию расстояния до его поверхности, а не через набор полигонов. Система быстрее определяет точки пересечения лучей и уменьшает число вычислений при рендеринге.
Сложнее модель – меньше места
Разработчики используют иерархические структуры, включая BVH и окто-деревья. Они делят сцену на уровни и позволяют обращаться только к тем участкам, которые задействованы в кадре. Естественно, что это существенно снижает нагрузку на память и видеокарту.
В результате детализированные модели, например скульптуры, кораллы или инженерные объекты, удается уменьшить с сотен гигабайт до нескольких мегабайт. При этом сохраняется высокая точность изображения, а частота кадров увеличивается в несколько раз. Рендер активнее использует возможности современных GPU и быстрее завершает трассировку лучей.
Не только для игр
Отдельное внимание уделили трассировке NURBS-поверхностей, которые применяются в промышленном проектировании. Исследователи совместили иерархическое разбиение сцены, приближенные SDF-модели и стохастический выбор начальной точки для метода Ньютона.
На тестовых сценах разной сложности, начиная с простой винной бочки и заканчивая сложными производственными моделями, производительность выросла в 3–6 раз без потери качества. Полученные результаты легли в основу серии статей, которые готовят к публикации и представлении на международных конференциях по компьютерной графике и компьютерному зрению, включая SIGGRAPH и ECCV.
