| dc.description.abstract | Con objeto de realizar una eficiente visualización interactiva de modelos geométricoscomplejos, que pueden llegar a comprender varios millones de polígonos, es clave reducirsustancialmente la cantidad de datos procesados. Los métodos LOD (''level-of-detail'')permiten efectuar una agresiva reducción de los datos enviados a la GPU, a expensasde sacrificar algo de calidad visual. Particularmente, los métodos HLOD (''hierarchicallevel-of-detail''), en los que se precomputan LODs en los distintos niveles de una jerarquía espacial dada, han demostrado ser el más eficiente enfoque para la visualizacióninteractiva de este tipo de modelos. Además de soportar en forma directa algoritmos''out-of-core'' (en los que durante tiempo de ejecución los datos deben ser constantementeleídos desde la memoria secundaria del sistema), los métodos HLODs permiten efectuaruna carga óptima de los datos entre la CPU y la GPU.Obedeciendo al mismo objeto, un enfoque ortogonal al anterior es ''occlusion culling''(descarte por oclusión). Respecto a un punto de vista dado se busca descartar de modoeficiente las partes invisibles de la escena y en visualizar solo sus partes visibles. Losmétodos más recientes pertenecientes a esta categoría emplean HOQs (''hardware occlusionqueries'').Los efectos relativos a HLODs y occlussion culling pueden combinarse de modo efectivo.Primero, es posible descartar aquellos nodos de la jerarquía que resulten invisibles.Segundo, para los nodos visibles, es posible emplear los resultados de los HOQs comoparte integral de la condición de refinamiento de la jerarquía: de acuerdo con el grado devisibilidad de un nodo dado y teniendo en cuenta un fenómeno de la percepción denominado''visual masking'', es factible determinar cuando no habría una ganancia apreciableen la apariencia final de la imagen obtenida si el nodo fuera refinado ulteriormente. Eneste caso, HOQs permiten reducir aún más agresivamente el total de primitivas visualizadas.Sin embargo, debido a la latencia presente entre el momento de iniciar el HOQy la disponibilidad de su resultado, el uso directo de HOQs en las condiciones de re-finamiento resultaría siendo una fuente de estancamiento de la CPU, lo que a su vezredundaría en un apreciable desaprovechamiento de la GPU.En esta tesis presentamos una novedosa métrica que emplea información de visibilidad(determinada a partir de HOQs) como parte integral de la condición de refinamiento deun modelo HLOD (de nuestro conocimiento, el primer enfoque en este contexto con estameta en mente). También contribuimos con un novedoso algoritmo para atravesar lajerarquía del HLOD que permite sacar el máximo provecho de esta métrica. A partir deuna rutina básica de predicción de la condición de refinamiento del HLOD, el algoritmominimiza el estancamiento de la CPU y permite obtener así un mejor aprovechamientode la GPU.Las principales propiedades expuestas en nuestro enfoque combinado son: 1. Mejorrendimiento con la misma calidad visual: mediante nuestro sistema es posible visualizarun menor número de primitivas (no por ello nuestra técnica de occlusion culling deja deser conservativa) con una pérdida mínima en la calidad visual del modelo; 2. Generalidad:nuestra métrica soporta cualquier tipo de HLOD; 3. Uso integral de los resultadosobtenidos en HOQs: nuestra métrica aprovecha de modo completo la informaciónobtenida mediante HOQs; 4. Aprovechamiento integral de la coherencia espacio-temporalinherente a las representaciones jerárquicas; y, 5. Implementación directa. - In order to achieve interactive rendering of complex models comprising several millionsof polygons, the amount of processed data has to be substantially reduced. Level-ofdetail(LOD) methods allow the amount of data sent to the GPU to be aggressivelyreduced at the expense of sacrificing image quality. Hierarchical level-of-detail (HLOD)methods have proved particularly capable of interactive visualisation of huge data setsby precomputing levels-of-detail at different levels of a spatial hierarchy. HLODs supportout-of-core algorithms in a straightforward way and allow an optimal balance betweenCPU and GPU load during rendering.Occlusion culling represents an orthogonal approach for reducing the amount of renderedprimitives. Occlusion culling methods aim to quickly cull the invisible part of themodel and render only its visible part. Most recent methods use hardware occlusionqueries (HOQs) to achieve this task.The effects of HLODs and occlusion culling can be successfully combined. Firstly,nodes which are completely invisible can be culled. Secondly, HOQ results can be usedfor visible nodes when refining an HLOD model; according to the degree of visibility of anode and the visual masking perceptual phenomenon, then it could be determined thatthere would be no gain in the final appearance of the image obtained if the node werefurther refined. In the latter case, HOQs allow more aggressive culling of the HLODhierarchy, further reducing the amount of rendered primitives. However, due to thelatency between issuing an HOQ and the availability of its result, the direct use of HOQsfor refinement criteria cause CPU stalls and GPU starvation.This thesis introduces a novel error metric, taking visibility information (gathered fromHOQs) as an integral part of refining an HLOD model, this being the first approachwithin this context to the best of our knowledge. A novel traversal algorithm for HLODrefinement is also presented for taking full advantage of the introduced HOQ-based errormetric. The algorithm minimises CPU stalls and GPU starvation by predicting HLODrefinement conditions using spatio-temporal coherence of visibility.Some properties of the combined approach presented here involve improved performancehaving the same visual quality (whilst our occlusion culling technique still remainedconservative). Our error metric supports both polygon-based and point-basedHLODs, ensuring full use of HOQ results (our error metrics take full advantage of theinformation gathered in HOQs). Our traversal algorithm makes full use of the spatialand temporal coherency inherent in hierarchical representations. Our approach can bestraightforwardly implemented. | en_US |
