Compression collaborative de rayons de lumière pour le rendu distribué de Monte Carlo et applications - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2020

Collaborative light ray compression for distributed Monte Carlo rendering and applications

Compression collaborative de rayons de lumière pour le rendu distribué de Monte Carlo et applications

Résumé

This thesis takes part in computer graphics. It studies one of its key elements, the unit vectors. We propose a new space of representation for sets of unit vectors and demonstrate its use on different kind of applications. To do so, we adapt the developed algorithms to each specific case.In the first part, we propose a compression algorithm for unorganized unit vectors sets. This method, called "Uniquant" generates coherency and uses it to change the space of representations of the data, in order to compresses collaboratively the vectors. We then use Uniquant in case of application to compress points cloud with orientations. The algorithm is able to compress the normals of the points on-the-fly.In the second part, we propose to compress a key element of the Monte Carlo rendering algorithm: the light ray. This data structure is used in most of the realistic light transport simulations. These simulations builds light paths, represented using 3D polylines that connect the virtual sensor (camera) to the light sources. The compression algorithm is used in the case of network distributed rendering, where a rendering engine that exploits numerous computers over a distant network is used to generate a single image. The hardware used by this kind of engine has become more and more popular over the last decade, especially with projects like SETI@Home, which enable access to a lot of computational power. This kind of hardware could easily be extended to take advantage of the machines in public institutions or in big companies that are typically used less than half of the time. This allows to increase the computational power without any need for new hardware. The method uses the fact that in the case of portal based distributed rendering engine, a lot of rays can be accumulated before being transferred on the network. The direction compression is extended to the ray's origins compression to study the impact of the compression loss of the rendering. We also show that compression can be correlated to the material properties.In the last part, we present QFib, an adaptation of Uniquant applicable to some medical data, which share some of the same mathematical constraints as light paths: brain tractograms in this case. They are often used in neurosciences to visualize the major neuronal influences. They enable neurosurgeons to predict possible effects of certain surgical procedures, and for the researchers to better understand the brain. The usage of this kind of data is difficult due to their large size, making them difficult to process, visualize, store, or even exchange.The introduced algorithm reduces their size by 10 in a few seconds on commonly used datasets. It ensures a loss that is way smaller than the MRI precision.
Cette thèse s'inscrit dans le domaine de l'informatique graphique en étudiant un élément clé, à savoir les vecteurs unitaires. Nous proposons un nouvel espace de représentation d'ensemble de vecteurs unitaires avant de montrer plusieurs applications adaptant celles-ci à différents types de données. Dans une première partie, nous proposons une méthode de compression d'ensembles de vecteurs unitaires désordonnées. Cette méthode, nommée UniQuant permet de réaliser une compression des données de manière collaborative, en générant de la cohérence puis en l'exploitant pour changer l'espace de représentation des données. Celle-ci est ensuite exploitée au travers d'une première application, permettant de compresser des ensembles de nuages de points munis de normales, et ainsi, permet de réaliser la compression des données à la volée. Nous proposons ensuite une application à un élément clé du rendu de Monte Carlo : le rayon de lumière. Celui-ci est la structure de donnée de base permettant de réaliser la simulation du transport de la lumière dans une scène virtuelle 3D en construisant des chemins de lumière, représentés à l’aide de polylignes 3D, reliant le capteur virtuel (caméra) aux différentes sources de lumière. L'application de la compression est utilisée dans le cas distribué, où un moteur construit pour exploiter un ensemble de machines sur des réseaux distants est utilisé. Les architectures matérielles de ce type sont devenues de plus en plus populaires avec l’apparition de projets tels que SETI@Home. Elles pourraient facilement être étendues pour exploiter les machines présentes dans les institutions publiques ou dans les entreprises et utilisées moins de la moitié du temps. Cela permettrait ainsi d’exploiter la puissance de calcul perdue. La technique proposée utilise la multitude de rayons disponibles dans le cas d’un moteur distribué exploitant des portails de lumière pour réaliser une compression collaborative, permettant d’accélérer les vitesses de transfert de données sur un réseau non local. La compression des directions est étendue à celle des origines pour examiner l'impact de la baisse de précision sur les rendus. Nous montrons également que la précision de la compression des directions peut être corrélée aux matériaux rencontrés. Enfin, nous présentons QFib, une adaptation d’UniQuant à d’autres types de données présentant le même type de contraintes mathématiques que les ensembles de rayons : des tractogrammes. Ceux-ci sont couramment utilisés en neurosciences pour visualiser les zones d’influence neuronales dans le cerveau. Ils permettent aux neurochirurgiens de prédire les effets possibles d’une opération, et aux chercheurs de mieux comprendre le fonctionnement du cerveau. L’utilisation de ce type de données est complexe du fait de leur taille, les rendant difficiles à visionner, traiter, stocker ou même échanger. L’algorithme introduit permet de diviser cette taille par 10 en quelques secondes pour des jeux de données typiquement utilisé, tout en assurant une perte inférieure à la précision des IRM ayant permis d'obtenir les jeux de données.
Fichier principal
Vignette du fichier
82226_ROUSSEAU_2020_archivage.pdf (58.74 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03105361 , version 1 (11-01-2021)

Identifiants

  • HAL Id : tel-03105361 , version 1

Citer

Sylvain Rousseau. Compression collaborative de rayons de lumière pour le rendu distribué de Monte Carlo et applications. Synthèse d'image et réalité virtuelle [cs.GR]. Institut Polytechnique de Paris, 2020. Français. ⟨NNT : 2020IPPAT030⟩. ⟨tel-03105361⟩
114 Consultations
14 Téléchargements

Partager

Gmail Facebook X LinkedIn More