基于GPU加速的光子映射渲染算法研究与实现
| 摘要 | 第2-3页 |
| ABSTRACT | 第3-4页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 研究内容和论文组织 | 第9-11页 |
| 2 全局照明 | 第11-31页 |
| 2.1 全局照明模型概述 | 第11-13页 |
| 2.1.1 光线跟踪算法 | 第11-12页 |
| 2.1.2 辐射度算法 | 第12页 |
| 2.1.3 光子映射 | 第12-13页 |
| 2.2 光能渲染方程 | 第13-15页 |
| 2.2.1 光能传输方程 | 第13-14页 |
| 2.2.2 渲染方程式 | 第14-15页 |
| 2.3 光线追踪 | 第15-18页 |
| 2.3.1 蒙托卡罗光线追踪 | 第15-16页 |
| 2.3.2 分布式光线跟踪 | 第16页 |
| 2.3.3 路径跟踪 | 第16-18页 |
| 2.4 辐射度 | 第18-20页 |
| 2.4.1 辐射通量 | 第19页 |
| 2.4.2 辐射入射和出射度 | 第19页 |
| 2.4.3 辐射率 | 第19-20页 |
| 2.5 光子映射 | 第20-21页 |
| 2.5.1 光子映射算法描述 | 第20-21页 |
| 2.5.2 辐射度估计 | 第21页 |
| 2.6 渐进性光子映射 | 第21-26页 |
| 2.6.1 估计途径 | 第22页 |
| 2.6.2 算法改进 | 第22-25页 |
| 2.6.3 无记忆渐进式光子映射 | 第25-26页 |
| 2.7 参与介质 | 第26-30页 |
| 2.7.1 辐射传输方程 | 第28-29页 |
| 2.7.2 体积光子映射 | 第29页 |
| 2.7.3 光束的辐射度估计 | 第29-30页 |
| 2.8 本章小结 | 第30-31页 |
| 3 CUDA并行框架的实现 | 第31-37页 |
| 3.1 GPU简介 | 第31-32页 |
| 3.2 CUDA并行计算框架 | 第32-35页 |
| 3.2.1 CUDA基本组成 | 第32页 |
| 3.2.2 GPU的线程层次结构 | 第32-33页 |
| 3.2.3 OptiX光线追踪引擎 | 第33-35页 |
| 3.3 相对渲染器 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 渲染算法的实现 | 第37-49页 |
| 4.1 光子映射算法的实现 | 第37-41页 |
| 4.1.1 排序网格 | 第37-41页 |
| 4.1.2 随机散列 | 第41页 |
| 4.2 渲染介质实现 | 第41-44页 |
| 4.3 基于CUDA并行渲染实现 | 第44-48页 |
| 4.3.1 分布式GPU渲染结构 | 第44页 |
| 4.3.2 分布式渐进光子映射 | 第44-47页 |
| 4.3.3 交叉任务动态负载平衡 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 结果与分析 | 第49-59页 |
| 5.1 光子映射性能 | 第49-52页 |
| 5.1.1 渲染场景 | 第49-50页 |
| 5.1.2 渲染结果 | 第50页 |
| 5.1.3 性能分析 | 第50-51页 |
| 5.1.4 小结 | 第51-52页 |
| 5.2 分布式GPU渲染性能 | 第52-57页 |
| 5.2.0 渲染场景 | 第52-53页 |
| 5.2.1 单GPU渲染性能 | 第53-55页 |
| 5.2.2 多GPU渲染性能 | 第55-56页 |
| 5.2.3 分布式GPU | 第56-57页 |
| 5.3 本章小结 | 第57-59页 |
| 6 结论和展望 | 第59-61页 |
| 6.1 结论 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士学位期间发表的论文和参加的科研工作 | 第67-69页 |
