사전 계산된 밀도 쿼리와 예측형 중단 조건을 활용한 효율적 볼륨 렌더링
Efficient Volume Rendering Using Precomputed Density Queries and Predictive Break Conditions
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
대규모 3차원 밀도 데이터의 볼륨 렌더링은 연산 비용이 커 실시간 적용에 제약이 있다. 본 연구는 사전 계산된 밀도 쿼리와 예측형 중단 조건을 결합하여 이 문제를 해결한다. 레이 캐스팅에서 사전 쿼리는 불필요한 복셀 탐색을 건너뛰고, 예측형 중단 조건은 프레임 간 밀도 변화를 기울기 벡터 분석(다중 프레임 가중 포함)으로 추정해 누적 종료 시점을 조기에 결정한다. PyCUDA 기반 구현을 통해 기울기 추정과 레이 연산을 GPU에서 병렬 처리하고 CPU–GPU 데이터 전송을최소화하였다. 동적 기체 볼륨을 대상으로 한 실험에서 본 방법은 기존 대비 최대 20배의 속도향상을 보이면서, 원본 대비 최대 밀도 차이 0.03 이하를 유지하여 시간적 연속성이 우수한 시각화를 제공하였다. 제안 기법은 CT/MRI 다중 슬라이스, 대기/기상 필드, 유체·연기 시뮬레이션 등실시간·대화형 시각화가 요구되는 응용에 폭넓게 적용 가능하다.
Abstract
Volume rendering of large 3D density fields remains computationally expensive, limiting real-time use in medical imaging, meteorology, and scientific visualization. We present an efficient method that integrates Precomputed Density Queries with Predictive Break Conditions. During ray casting, the precomputed queries skip unnecessary voxels, while the predictive break conditions estimate when to terminate accumulation by forecasting frame-to-frame density changes via gradient-vector analysis with multi-frame weighting. Implemented in PyCUDA, the approach executes gradient estimation and ray operations on the GPU, minimizing CPU–GPU transfers. Experiments on dynamic gaseous volumes demonstrate up to 20× speedup over conventional baselines while keeping the maximum density deviation ≤ 0.03, yielding artifact-free, temporally coherent results suitable for interactive visualization. The framework is readily applicable to CT/MRI stacks, large-scale weather fields, and fluid/smoke simulations that require high-throughput, real-time rendering.