【AI摘要】山东财经大学区块链金融重点实验室副教授徐翔作为第一作者，在特类期刊IEEE Transactions on Visualization and Computer Graphics发表论文，提出一种基于对象空间的动态调度算法，用于大规模实例化场景的数据并行光线追踪。该算法以对象组为调度单元，避免数据冗余，并设计数据访问频率预测方法以提升远程数据访问效率。实验显示，该方法仅增加5%内存开销，即可实现平均77.6%的渲染速度提升，最高达146.1%。
关键词：区块链金融 大规模场景渲染 动态调度算法 数据并行光线追踪 特类期刊
区块链金融重点实验室副教授徐翔作为第一作者撰写的论文“Dynamic Scheduling for Data-Parallel Path Tracing of Large-Scale Instanced Scenes”在期刊 IEEE Transactions on Visualization and Computer Graphics 发表。该期刊为我校特类期刊。
文章面向超出单节点内存容量的大规模场景渲染需求，系统分析了数据并行光线追踪中的跨节点数据访问与通信开销问题，并提出了一种基于对象空间的动态调度算法。该方法以对象组作为调度单元，能够有效避免传统空间划分方法在大规模实例化场景中产生的基础几何数据冗余。同时，论文设计了两种数据访问频率预测方法，引导异步数据预取，进一步提升远程数据访问效率。实验结果表明，与当前先进方法相比，该方法仅带来5%的场景内存开销增加，即可实现平均77.6%的渲染速度提升，最高提升达到146.1%。
撰稿：朱庆峰 审核：沈万芳 终审：李清照
Copyright © 2011 山东财经大学宣传部 版权所有
来源：山东财经大学 | 查看原文