基于GPU加速的轮廓毛发绘制技术

doi:10.3778/j.issn.1002-8331.2008.23.010

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (23): 32-35.DOI: 10.3778/j.issn.1002-8331.2008.23.010

基于GPU加速的轮廓毛发绘制技术

杨刚^1,2,林琳³,曹卫群¹,黄心渊¹

1.北京林业大学信息学院，北京 100083
2.中国科学院软件研究所计算机科学重点实验室，北京 100080
3.61938部队业务处，北京 100089

收稿日期:2008-04-02 修回日期:2008-05-05 出版日期:2008-08-11 发布日期:2008-08-11
通讯作者: 杨刚

GPU-based silhouette fur rendering

YANG Gang^1,2,LIN Lin³,CAO Wei-qun¹,HUANG Xin-yuan¹

1.School of Information Science and Technology，Beijing Forestry University，Beijing 100083，China
2.Laboratory of Computer Science，Institute of Software，Chinese Academy of Sciences，Beijing 100080，China
3.Service Office，61938 Army，Beijing 100089，China

Received:2008-04-02 Revised:2008-05-05 Online:2008-08-11 Published:2008-08-11
Contact: YANG Gang

摘要/Abstract

摘要： 在采用层状纹理切片来表达真实感毛发的方法中，模型轮廓处毛发切片的计算与生成需要耗费很多时间，影响绘制效率。针对此问题，提出一种利用图形处理器（GPU）可编程能力的轮廓毛发快速生成技术。该技术通过为顶点设计一种“边信息”的数据结构，将轮廓边的检测及轮廓毛发切片的生成完全转移到了GPU中进行，从而大大加速了轮廓毛发的处理，提高了真实感毛发的绘制效率。

关键词: 毛发绘制, 轮廓毛发, 层状纹理切片, 图形处理器

Abstract: In those methods that represent furry surfaces with multi-layer textured slices，the computation and generation of silhouette fur always spend much time，affecting rendering efficiency greatly.To solve the problem，this paper presents an approach that can generate silhouette fur very fast based on the programmable ability of Graphic Process Units（GPU）.In the approach，by using an “edge information” data structure，the silhouette-edge detection and silhouette fur slice generation are wholly transformed into GPU，hence greatly shortening the time spending on silhouette fur and improving the rendering efficiency.

Key words: fur rendering, silhouette fur, multi-layer textured slices, Graphic Process Units（GPU）

杨刚^1,2,林琳³,曹卫群¹,黄心渊¹. 基于GPU加速的轮廓毛发绘制技术[J]. 计算机工程与应用, 2008, 44(23): 32-35.

YANG Gang^1,2,LIN Lin³,CAO Wei-qun¹,HUANG Xin-yuan¹. GPU-based silhouette fur rendering[J]. Computer Engineering and Applications, 2008, 44(23): 32-35.

[1]	杨捷，吴素萍. 点云重建的并行算法[J]. 计算机工程与应用, 2020, 56(6): 213-219.
[2]	朱超，吴素萍. 特征点检测DoG并行算法[J]. 计算机工程与应用, 2020, 56(10): 36-43.
[3]	范昱伶1，王美丽1，何东健2. 基于OpenCL的点云分割方法[J]. 计算机工程与应用, 2018, 54(1): 191-195.
[4]	丁祥武，陈金鑫，王梅. 异构计算平台上列存储系统的并行连接优化策略[J]. 计算机工程与应用, 2017, 53(5): 73-80.
[5]	刘高明1，2，荣葵2，朱辉1，谭怀亮2. 应用于嵌入式RTOS的图形显示系统设计[J]. 计算机工程与应用, 2016, 52(9): 190-195.
[6]	公维理. 基于嵌入式CPU-GPU的高清鱼眼视频实时校正系统[J]. 计算机工程与应用, 2016, 52(14): 172-179.
[7]	张延松1，2，苏明川1，张宇1，王方舟1. 位图连接索引服务机制研究[J]. 计算机工程与应用, 2015, 51(5): 107-115.
[8]	林敏，钟一文. 三种GPU并行的自适应邻域模拟退火算法[J]. 计算机工程与应用, 2015, 51(22): 70-76.
[9]	朱正东1，刘袁1，魏洪昌１，颜康1，王寅峰2，董小社1. 面向CPU-GPU架构的源到源自动映射方法[J]. 计算机工程与应用, 2015, 51(21): 41-47.
[10]	汪宏1，2，王鹏1，2. 基于GPU的AC模式匹配改进算法[J]. 计算机工程与应用, 2015, 51(18): 7-12.
[11]	曾博1，2，雷友诚1，王丛知2，邱维宝2，冯歌2，曾成志2，杨戈2，郑海荣2. 基于CUDA的声辐射力弹性成像算法研究[J]. 计算机工程与应用, 2015, 51(18): 249-254.
[12]	龙满生，罗文浪. 基于OpenCL的累积汇流并行计算[J]. 计算机工程与应用, 2014, 50(3): 22-29.
[13]	唐绍华. 面向众核GPU加速系统的网络编码并行化及优化[J]. 计算机工程与应用, 2014, 50(21): 79-84.
[14]	张兵强1，张立民1，李垠广2，张建廷1. 分块LOD连续非线性分布的地形渲染[J]. 计算机工程与应用, 2013, 49(4): 213-218.
[15]	刘进锋. 几种CUDA加速高斯滤波算法的比较[J]. 计算机工程与应用, 2013, 49(23): 14-18.

基于GPU加速的轮廓毛发绘制技术

GPU-based silhouette fur rendering

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics