Laitteistokiihdytteisen säteenseurannan hyödyntäminen reaaliaikaisessa renderöinnissä

NVIDIA:n esitellessä maailman ensimmäiset laitteistokiihdytteistä säteenseurantaa tukevat Turing-arkkitehtuurin näytönohjaimet vuonna 2018, mahdollisti se säteenseurannan hyödyntämisen reaaliaikaisessa renderöinnissä. Säteenseurannan ollessa tunnetusti laskennallisesti hyvinkin raskas verrattuna esi...

Full description

Bibliographic Details
Main Author: Varjus, Tuukka
Other Authors: Informaatioteknologian tiedekunta, Faculty of Information Technology, Informaatioteknologia, Information Technology, Jyväskylän yliopisto, University of Jyväskylä
Format: Master's thesis
Language:fin
Published: 2023
Subjects:
Online Access: https://jyx.jyu.fi/handle/123456789/87745
_version_ 1826225752691965952
author Varjus, Tuukka
author2 Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_facet Varjus, Tuukka Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä Varjus, Tuukka Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_sort Varjus, Tuukka
datasource_str_mv jyx
description NVIDIA:n esitellessä maailman ensimmäiset laitteistokiihdytteistä säteenseurantaa tukevat Turing-arkkitehtuurin näytönohjaimet vuonna 2018, mahdollisti se säteenseurannan hyödyntämisen reaaliaikaisessa renderöinnissä. Säteenseurannan ollessa tunnetusti laskennallisesti hyvinkin raskas verrattuna esimerkiksi rasterointiin, on tutkielman tarkoitus selvittää missä määrin ja millä menetelmin ja tavoin säteenseurantaa kyetään hyödyntämään reaaliaikaisessa renderöinnissä ja mitä haasteita siihen liittyy. Säteenseurannan suorituskyvyn esittelemiseksi tutkielman empiirisessä osiossa arvioitiin säteenseurannan suorituskykyä ja siihen vaikuttavia tekijöitä NVIDIA:n Turing-arkkitehtuurin näytönohjaimella. Varsinaisia menetelmiä ja tapoja laitteistokiihdytteisen säteenseurannan hyödyntämiseen ja siihen liittyviä haasteita tarkasteltiin, niin nykyisissä videopeleissä perustuen pääsääntöisesti GDC konferenssitallenteisiin, kuin myös kirjallisuuskatsauksen avulla. Videopeleissä säteenseurannan laskennallinen vaativuus näkyy rasteroinnin säilymisenä päätekniikkana renderöinnissä säteenseurannan täydentäessä valittujen valon ilmenemismuotojen kuvaamista. Kirjallisuuskatsauksessa tutkimuksen havaittiin pääsääntöisesti keskittyvän näytteiden tehokkaaseen hyödyntämiseen ja häiriönpoistoon, joihin lukeutuvia menetelmiä tutkielmassa tarkemmin esitellään. Merkittävimpinä havaittuina haasteina voidaan pitää monivalo-ongelmaa, sekä menetelmien ajallista vakautta ja harhattomuutta. Since 2018 when NVIDIA introduced the world's first GPUs supporting hardware accelerated ray tracing, ray tracing has become available in real-time rendering. As ray tracing is known for its computational complexity, the purpose of this study is to introduce methods and ways to utilize ray tracing in real-time rendering, as well related notable challenges. To introduce the performance of hardware accelerated ray tracing and to study performance affecting factors more closely, empirical study using NVIDIA Turing architecture GPU was conducted. The methods and ways to utilize ray tracing in real-time rendering and related challenges were explored through literature review and through studying ray tracing usage in current video games mainly by reviewing GDC presentations. In reviewed video games the computational complexity of ray tracing was seen as usage of rasterization as primary rendering technique, whereas ray tracing was used for complementing selected effects. In literature review the research around real-time ray tracing was seen as mostly focusing on efficient sampling and denoising techniques, which are introduced in detail in this study. The most notable challenges detected in real-time ray tracing are many-lights problem and temporal stability and unbiasedness of used techniques.
first_indexed 2023-06-14T20:18:50Z
format Pro gradu
free_online_boolean 1
fullrecord [{"key": "dc.contributor.advisor", "value": "M\u00f6nk\u00f6l\u00e4, Sanna", "language": "", "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.advisor", "value": "Rossi, Tuomo", "language": "", "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.author", "value": "Varjus, Tuukka", "language": "", "element": "contributor", "qualifier": "author", "schema": "dc"}, {"key": "dc.date.accessioned", "value": "2023-06-14T07:25:57Z", "language": null, "element": "date", "qualifier": "accessioned", "schema": "dc"}, {"key": "dc.date.available", "value": "2023-06-14T07:25:57Z", "language": null, "element": "date", "qualifier": "available", "schema": "dc"}, {"key": "dc.date.issued", "value": "2023", "language": "", "element": "date", "qualifier": "issued", "schema": "dc"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/87745", "language": null, "element": "identifier", "qualifier": "uri", "schema": "dc"}, {"key": "dc.description.abstract", "value": "NVIDIA:n esitelless\u00e4 maailman ensimm\u00e4iset laitteistokiihdytteist\u00e4 s\u00e4teenseurantaa tukevat Turing-arkkitehtuurin n\u00e4yt\u00f6nohjaimet vuonna 2018, mahdollisti se s\u00e4teenseurannan hy\u00f6dynt\u00e4misen reaaliaikaisessa render\u00f6inniss\u00e4. S\u00e4teenseurannan ollessa tunnetusti laskennallisesti hyvinkin raskas verrattuna esimerkiksi rasterointiin, on tutkielman tarkoitus selvitt\u00e4\u00e4 miss\u00e4 m\u00e4\u00e4rin ja mill\u00e4 menetelmin ja tavoin s\u00e4teenseurantaa kyet\u00e4\u00e4n hy\u00f6dynt\u00e4m\u00e4\u00e4n reaaliaikaisessa render\u00f6inniss\u00e4 ja mit\u00e4 haasteita siihen liittyy. S\u00e4teenseurannan suorituskyvyn esittelemiseksi tutkielman empiirisess\u00e4 osiossa arvioitiin s\u00e4teenseurannan suorituskyky\u00e4 ja siihen vaikuttavia tekij\u00f6it\u00e4 NVIDIA:n Turing-arkkitehtuurin n\u00e4yt\u00f6nohjaimella. Varsinaisia menetelmi\u00e4 ja tapoja laitteistokiihdytteisen s\u00e4teenseurannan hy\u00f6dynt\u00e4miseen ja siihen liittyvi\u00e4 haasteita tarkasteltiin, niin nykyisiss\u00e4 videopeleiss\u00e4 perustuen p\u00e4\u00e4s\u00e4\u00e4nt\u00f6isesti GDC konferenssitallenteisiin, kuin my\u00f6s kirjallisuuskatsauksen avulla. Videopeleiss\u00e4 s\u00e4teenseurannan laskennallinen vaativuus n\u00e4kyy rasteroinnin s\u00e4ilymisen\u00e4 p\u00e4\u00e4tekniikkana render\u00f6inniss\u00e4 s\u00e4teenseurannan t\u00e4ydent\u00e4ess\u00e4 valittujen valon ilmenemismuotojen kuvaamista. Kirjallisuuskatsauksessa tutkimuksen havaittiin p\u00e4\u00e4s\u00e4\u00e4nt\u00f6isesti keskittyv\u00e4n n\u00e4ytteiden tehokkaaseen hy\u00f6dynt\u00e4miseen ja h\u00e4iri\u00f6npoistoon, joihin lukeutuvia menetelmi\u00e4 tutkielmassa tarkemmin esitell\u00e4\u00e4n. Merkitt\u00e4vimpin\u00e4 havaittuina haasteina voidaan pit\u00e4\u00e4 monivalo-ongelmaa, sek\u00e4 menetelmien ajallista vakautta ja harhattomuutta.", "language": "fi", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Since 2018 when NVIDIA introduced the world's first GPUs supporting hardware accelerated ray tracing, ray tracing has become available in real-time rendering. As ray tracing is known for its computational complexity, the purpose of this study is to introduce methods and ways to utilize ray tracing in real-time rendering, as well related notable challenges. To introduce the performance of hardware accelerated ray tracing and to study performance affecting factors more closely, empirical study using NVIDIA Turing architecture GPU was conducted. The methods and ways to utilize ray tracing in real-time rendering and related challenges were explored through literature review and through studying ray tracing usage in current video games mainly by reviewing GDC presentations. In reviewed video games the computational complexity of ray tracing was seen as usage of rasterization as primary rendering technique, whereas ray tracing was used for complementing selected effects. In literature review the research around real-time ray tracing was seen as mostly focusing on efficient sampling and denoising techniques, which are introduced in detail in this study. The most notable challenges detected in real-time ray tracing are many-lights problem and temporal stability and unbiasedness of used techniques.", "language": "en", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted by Paivi Vuorio (paelvuor@jyu.fi) on 2023-06-14T07:25:57Z\nNo. of bitstreams: 0", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2023-06-14T07:25:57Z (GMT). No. of bitstreams: 0\n Previous issue date: 2023", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.format.extent", "value": "167", "language": "", "element": "format", "qualifier": "extent", "schema": "dc"}, {"key": "dc.language.iso", "value": "fin", "language": null, "element": "language", "qualifier": "iso", "schema": "dc"}, {"key": "dc.rights", "value": "In Copyright", "language": null, "element": "rights", "qualifier": null, "schema": "dc"}, {"key": "dc.subject.other", "value": "s\u00e4teenseuranta", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "polunseuranta", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "Turing-arkkitehtuuri", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "Monte Carlo -integrointi", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "h\u00e4iri\u00f6npoisto", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "Vulkan API", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "render\u00f6inti", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "rasterointi", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "laitteistokiihdytys", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.title", "value": "Laitteistokiihdytteisen s\u00e4teenseurannan hy\u00f6dynt\u00e4minen reaaliaikaisessa render\u00f6inniss\u00e4", "language": "", "element": "title", "qualifier": null, "schema": "dc"}, {"key": "dc.type", "value": "master thesis", "language": null, "element": "type", "qualifier": null, "schema": "dc"}, {"key": "dc.identifier.urn", "value": "URN:NBN:fi:jyu-202306143813", "language": "", "element": "identifier", "qualifier": "urn", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Master\u2019s thesis", "language": "en", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Pro gradu -tutkielma", "language": "fi", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Informaatioteknologian tiedekunta", "language": "fi", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Faculty of Information Technology", "language": "en", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Informaatioteknologia", "language": "fi", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Information Technology", "language": "en", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "Jyv\u00e4skyl\u00e4n yliopisto", "language": "fi", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "University of Jyv\u00e4skyl\u00e4", "language": "en", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Tietotekniikka", "language": "fi", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Mathematical Information Technology", "language": "en", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "yvv.contractresearch.funding", "value": "0", "language": "", "element": "contractresearch", "qualifier": "funding", "schema": "yvv"}, {"key": "dc.type.coar", "value": "http://purl.org/coar/resource_type/c_bdcc", "language": null, "element": "type", "qualifier": "coar", "schema": "dc"}, {"key": "dc.rights.copyright", "value": "\u00a9 The Author(s)", "language": null, "element": "rights", "qualifier": "copyright", "schema": "dc"}, {"key": "dc.rights.accesslevel", "value": "openAccess", "language": null, "element": "rights", "qualifier": "accesslevel", "schema": "dc"}, {"key": "dc.type.publication", "value": "masterThesis", "language": null, "element": "type", "qualifier": "publication", "schema": "dc"}, {"key": "dc.subject.oppiainekoodi", "value": "602", "language": "", "element": "subject", "qualifier": "oppiainekoodi", "schema": "dc"}, {"key": "dc.subject.yso", "value": "teko\u00e4ly", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.rights.url", "value": "https://rightsstatements.org/page/InC/1.0/", "language": null, "element": "rights", "qualifier": "url", "schema": "dc"}]
id jyx.123456789_87745
language fin
last_indexed 2025-02-18T10:54:22Z
main_date 2023-01-01T00:00:00Z
main_date_str 2023
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/0df878da-4fd6-4058-b4d4-b7b6fc596014\/download","text":"URN:NBN:fi:jyu-202306143813.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2023
record_format qdc
source_str_mv jyx
spellingShingle Varjus, Tuukka Laitteistokiihdytteisen säteenseurannan hyödyntäminen reaaliaikaisessa renderöinnissä säteenseuranta polunseuranta Turing-arkkitehtuuri Monte Carlo -integrointi häiriönpoisto Vulkan API renderöinti rasterointi laitteistokiihdytys Tietotekniikka Mathematical Information Technology 602 tekoäly
title Laitteistokiihdytteisen säteenseurannan hyödyntäminen reaaliaikaisessa renderöinnissä
title_full Laitteistokiihdytteisen säteenseurannan hyödyntäminen reaaliaikaisessa renderöinnissä
title_fullStr Laitteistokiihdytteisen säteenseurannan hyödyntäminen reaaliaikaisessa renderöinnissä Laitteistokiihdytteisen säteenseurannan hyödyntäminen reaaliaikaisessa renderöinnissä
title_full_unstemmed Laitteistokiihdytteisen säteenseurannan hyödyntäminen reaaliaikaisessa renderöinnissä Laitteistokiihdytteisen säteenseurannan hyödyntäminen reaaliaikaisessa renderöinnissä
title_short Laitteistokiihdytteisen säteenseurannan hyödyntäminen reaaliaikaisessa renderöinnissä
title_sort laitteistokiihdytteisen säteenseurannan hyödyntäminen reaaliaikaisessa renderöinnissä
title_txtP Laitteistokiihdytteisen säteenseurannan hyödyntäminen reaaliaikaisessa renderöinnissä
topic säteenseuranta polunseuranta Turing-arkkitehtuuri Monte Carlo -integrointi häiriönpoisto Vulkan API renderöinti rasterointi laitteistokiihdytys Tietotekniikka Mathematical Information Technology 602 tekoäly
topic_facet 602 Mathematical Information Technology Monte Carlo -integrointi Tietotekniikka Turing-arkkitehtuuri Vulkan API häiriönpoisto laitteistokiihdytys polunseuranta rasterointi renderöinti säteenseuranta tekoäly
url https://jyx.jyu.fi/handle/123456789/87745 http://www.urn.fi/URN:NBN:fi:jyu-202306143813
work_keys_str_mv AT varjustuukka laitteistokiihdytteisensäteenseurannanhyödyntäminenreaaliaikaisessarenderöinnissä