Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2504.04564

帮助 | 高级搜索

计算机科学 > 图形学

arXiv:2504.04564 (cs)
[提交于 2025年4月6日 (v1) ,最后修订 2025年4月10日 (此版本, v2)]

标题: 使用VDB的分层压缩GPU体积渲染

标题: GPU Volume Rendering with Hierarchical Compression Using VDB

Authors:Stefan Zellmann, Milan Jaros, Jefferson Amstutz, Ingo Wald
摘要: 我们提出了一种基于压缩的方法,用于使用 OpenVDB 和 NanoVDB 对大规模体数据进行 GPU 渲染。我们在主机上使用 OpenVDB 创建体积的有损固定速率压缩表示,并在渲染过程中使用 NanoVDB 进行快速、低开销且实时的解压缩。我们证明这种方法速度快,即使在(非相干)蒙特卡洛路径追踪上下文中也能很好地工作,能够显著减少体积渲染的内存需求,并可用作几乎可以直接替换到现有基于 3D 纹理的渲染器中的替代方案。
摘要: We propose a compression-based approach to GPU rendering of large volumetric data using OpenVDB and NanoVDB. We use OpenVDB to create a lossy, fixed-rate compressed representation of the volume on the host, and use NanoVDB to perform fast, low-overhead, and on-the-fly decompression during rendering. We show that this approach is fast, works well even in a (incoherent) Monte Carlo path tracing context, can significantly reduce the memory requirements of volume rendering, and can be used as an almost drop-in replacement into existing 3D texture-based renderers.
主题: 图形学 (cs.GR) ; 分布式、并行与集群计算 (cs.DC)
引用方式: arXiv:2504.04564 [cs.GR]
  (或者 arXiv:2504.04564v2 [cs.GR] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.04564
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Stefan Zellmann [查看电子邮件]
[v1] 星期日, 2025 年 4 月 6 日 17:42:23 UTC (30,129 KB)
[v2] 星期四, 2025 年 4 月 10 日 17:36:22 UTC (30,129 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.GR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-04
切换浏览方式为:
cs
cs.DC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号