О ПРОБЛЕМАХ И ЗАДАЧАХ ОБРАБОТКИ И ОРГАНИЗАЦИИ ГРАФИЧЕСКИХ ДАННЫХ ПРИ ОБЪЁМНОЙ ВИЗУАЛИЗАЦИИ НА РАСПРЕДЕЛЁННЫХ СИСТЕМАХ

  • Н. И. Витиска Общество с ограниченной ответственностью «Научно- исследовательский институт многопроцессорных вычислительных и управляющих систем»
  • Н. А. Гуляев Южный Федеральный Университет
  • И. Г. Данилов Южный Федеральный Университет
Ключевые слова: Компьютерная визуализация, методы рендеринга, методы организации графических данных, графические данные в объёмном представлении, большие данные, распределенные графовые вычислени

Аннотация

Большинство актуальных задач науки и техники неразрывно связаны с задачей визуализа-
ции – помимо привнесения наглядности и информативности в изучение, управление и проекти-
рование природных и технических объектов и процессов, визуализация решает ряд важных
задач по реализации человеко-машинного взаимодействия. Ключевым вопросом визуализации в
большинстве случаев является возможность отображения всей необходимой информации за
отведённое количество времени с соблюдением лимита допустимого потребления ресурсов
системы. Проблемы парадигмы объёмной визуализации в подавляющем количестве случаев
стоят более остро, так как в данной парадигме, как правило, производится обработка большо-
го количества данных, что может требовать чрезмерное количество вычислительных ресур-
сов, либо привносить ряд проблем в управление процессом визуализации. Помимо непосредст-
венных подходов к оптимизации параметров рендеринга и процедур рендеринга (сэмплинга и
композитинга), интерес представляет исследование подходов к организации обрабатываемых
данных. Сокращение любых издержек, связанных с хранением и обработкой исходных графиче-
ских данных позволяет не только существенно сократить соответствующие затраты, но и
реализовать ряд модификаций процедур сэмплинга и комопзитинга, что открывает возмож-
ность для дополнительной оптимизации процесса визуализации. В работе рассмотрены ключе-
вые задачи организации, хранения и обработки графических данных в парадигме объёмной ви-
зуализации в контексте реализации на распределённых системах. Рассмотрен общий подход к
оптимизации, применимый для случая распределённой реализации. Описана постановка задачи
оптимизации, описан вариант целевой функции. Далее рассмотрена задача организации графи-
ческих данных на основании пространственного расположения и свойств содержимого сцены.
Определены ключевые нюансы, описан вариант решения для случая распределённой обработки
при помощи комбинации известных подходов, рассмотрены теоретические и практические
аспекты. После чего рассмотрен подход к низкоуровневой реализации, описан вариант пред-
ставления исходных данных в виде графа, помеченного набором свойств и вариант проведения
процедуры рендеринга для такой структуры.

Литература

1. Каляев И.А., Мельник Э.В. Децентрализованные системы компьютерного управления.
– Ростов-на-Дону: ЮНЦ РАН, 2011. – 196 с.
2. Витиска Н.И., Гуляев Н.А. Исследование вариантов модификации модели объёмной визуа-
лизации методом трассировки лучей // Информатизация и связь. – 2016. – № 3. – C. 28-33.
3. Wang Z., Bovik A. C. Mean squared error: Love it or leave it? A new look at signal fidelity
measures // IEEE signal processing magazine. – 2009. – Vol. 26, No. 1. – P. 98-117.
4. Wang Z. et al. Image quality assessment: From error measurement to structural similarity //
IEEE Trans. Image Processing. – 2004. – Vol. 13. – P. 600-612.
5. Zhang L. et al. FSIM: A feature similarity index for image quality assessment // IEEE transactions
on Image Processing. – 2011. – Vol. 20, No. 8. – P. 2378-2386.
6. Дубовик А.А. Способ ускорения работы модуля описания моделей // Матер. 4-й Всерос-
сийской научно-технической конференции «Суперкомпьютерные технологии». – 2016.
– Т. 2. – C. 27- 30.
7. Wimmer M., Wonka P. Rendering time estimation for real-time rendering // Rendering Techniques.
– 2003. – P. 118-129.
8. Knoll A. A Survey of Octree Volume Rendering Methods // 1st IRTG Workshop. – 2006.
– P. 8-19.
9. Laine S., Karras T. Efficien2t Sparse Voxel Octrees // Transactions on Visualization & Computer
Graphics. – 2011. – Vol. 17, No. 8. – P. 1048-1059.
10. Eisemann M. et al. Fast ray/axis-aligned bounding box overlap tests using ray slopes // Journal
of graphics tools. – 2007. – Vol. 12, No. 4. – P. 35-46.
11. Витиска Н.И., Гуляев Н.А. Метод визуализации трёхмерных сцен и объектов воксельной
графики для систем имитационного моделирования // Известия ЮФУ. Технические нау-
ки. – 2015. – № 4 (165). – C. 77-87.
12. Гуляев Н.А. О подходе к исследованию зависимости точности объёмной визуализации
от свойств графических данных // Информатика, управление и системный анализ
(ИУСА-2019): Тр. V Всероссийской научной конференции молодых ученых с междуна-
родным участием. – 2018. – C. 275-284.
13. Vitiska N., Selyankin V., Gulyaev N. An Approach to Optimization of Ray-Tracing in Volume
Visualization Based on Properties of Volume Elements // Proceedings of the Third International
Scientific Conference “Intelligent Information Technologies for Industry” (IITI’18).
IITI'18 2018. – 2019. – Vol. 874. – P. 148-158.
14. Гаврилов Н.И., Турлапов В.Е. Качественная объёмная визуализация гигавоксельных мас-
сивов в блочном представлении на примерах данных из медицины // Матер. конферен-
ции «ГрафиКон». – 2012. – C. 174-179.
15. Данилов И.Г., Гуляев Н.А., Селянкин В.В. О применимости модели графовых вычислений
при прямой объемной визуализации // Информационные технологии, системный анализ
и управление (ИТСАУ-2018): Сб. трудов XVI Всероссийской научной конференции мо-
лодых ученых, аспирантов и студентов. – 2018. – Т. 3. – С. 156-159.
16. Angles R. The Property Graph Database Model. // AMW. – 2018.
17. Barrasa J. RDF Triple Stores vs. Labeled Property Graphs: What’s the Difference? // Neo4j
Blog URL – https://neo4j.com/blog/rdf-triple-store-vs-labeled-property-graph-difference/ (да-
та обращения: 22.06.2019).
18. Heidari S. et al. Scalable graph processing frameworks: A taxonomy and open challenges //
ACM Computing Surveys (CSUR). – 2018. – Vol. 51, No. 3. – P. 60.
19. Malewicz G. et al. Pregel: a system for large-scale graph processing // Proc. of the 2010 ACM
SIGMOD International Conference on Management of data. – 2010. – P. 135-146.
20. Valiant L.G. A bridging model for parallel computation // Communications of the ACM.
– 1990. – Vol. 33, No. 8. – P. 103-111.
21. Ericson C. Real-time collision detection. – CRC Press, 2004.
Опубликован
2019-11-13
Выпуск
Раздел
Раздел II. Анализ данных и управление знаниями