CN105205851B - 一种基于gpu超算的特种电影渲染方法及系统 - Google Patents
一种基于gpu超算的特种电影渲染方法及系统 Download PDFInfo
- Publication number
- CN105205851B CN105205851B CN201510596698.2A CN201510596698A CN105205851B CN 105205851 B CN105205851 B CN 105205851B CN 201510596698 A CN201510596698 A CN 201510596698A CN 105205851 B CN105205851 B CN 105205851B
- Authority
- CN
- China
- Prior art keywords
- gpu
- rendering
- data
- scene data
- cluster
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于GPU超算的特种电影渲染方法及系统,其中所述方法包括以下步骤:A、通过采集三维场景数据,建立GPU渲染流程的三维场景数据库;B、通过三维场景数据库模拟对特种电影的画面渲染效果,确定渲染方案;C、GPU集群根据渲染方案进行渲染,获得渲染后的特种电影。本发明方案与现有技术采用CPU进行处理的方法相比,其速度提高了10‑100倍,并且本发明无需采用多台计算机进行处理,降低了能耗且有效减少了生产成本,具有极高的实用性和市场应用前景。
Description
技术领域
本发明涉及特种技术电影制作,尤其涉及一种基于GPU超算的特种电影渲染方法及系统。
背景技术
渲染是将三维几何模型转换程图形图像的一个过程。对一个动画场景的渲染是一项非常耗时的过程,因为一个动画一般都是由成千上万帧构成的。随着人们对视觉效果的要求越来越高,每一帧的分辨率也越来越高,像素也越来越高,一幅图片有可能要花上好几个小时才能渲染完。
当前特种电影由很多帧图形图像所制成,其渲染运算量极为巨大,基于CPU的渲染流程需要大量的计算机主机来处理海量数据运算任务,这导致构建这样一个渲染平台需要购买大量的计算机,并建设相应大体量的存放计算机的室内温控空间,导致惊人的整体能耗。目前市场上的特种电影制作中还没有使用GPU集群作为运算核心的制作渲染流程。
因此,现有技术还有待进一步改进。
发明内容
本发明所要解决的技术问题在于,提供一种基于GPU超算的特种电影渲染方法及系统,能有效解决现有技术中特种电影制作过程中CPU的处理速度慢且所需成本高的问题。为了解决上述技术问题,本发明提出以下技术方案:
一种基于GPU超算的特种电影渲染方法,其中,包括以下步骤:
A、通过采集三维场景数据,建立GPU渲染流程的三维场景数据库;
B、通过三维场景数据库模拟对特种电影的画面渲染效果,确定渲染方案;
C、GPU集群根据渲染方案进行渲染,获得渲染后的特种电影。
所述基于GPU超算的特种电影渲染方法,其中,所述三维场景数据具体包括场景数据分析并优化、材质转换和贴图格式中的一种或多种。
所述基于GPU超算的特种电影渲染方法,其中,所述GPU集群由8张型号为Titan-Z或k80的GPU显卡所组成。
所述基于GPU超算的特种电影渲染方法,其中,所述GPU集群具有18432GHz的运算速度。
一种基于GPU超算的特种电影渲染系统,其中,所述系统包括:
建立模块、用于建立GPU渲染流程的三维场景数据;
模拟模块、用于通过三维场景数据模拟对特种电影的画面渲染效果,确定渲染方案;
渲染模块、用于GPU集群根据渲染方案进行渲染,获得渲染后的特种电影。
所述基于GPU超算的特种电影渲染系统,其中,
所述三维场景数据具体包括场景数据分析并优化、材质转换和贴图格式中的一种或多种。
所述基于GPU超算的特种电影渲染系统,其中,所述GPU集群具有18432GHz的运算速度。
有益效果:本发明所述一种基于GPU超算的特种电影渲染方法及系统,其先建立一用于对特种电影进行渲染的材料的三维场景数据库,在进行渲染时,采用该三维场景数据库模拟对特种电影的渲染效果,并通过GPU集群进行超算渲染。本发明方案与现有技术采用CPU进行处理的方法相比,其速度提高了10-100倍,并且无需采用多台计算机进行处理,降低了能耗且有效减少了生产成本,具有极高的实用性和市场应用前景。
附图说明
图1是本发明所述一种基于GPU超算的特种电影渲染方法的具体流程图。
图2是本发明所述一种基于GPU超算的特种电影渲染系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
请参见图1,本发明提供一种基于GPU超算的特种电影渲染方法,其中,所述方法包括以下步骤:
S100、通过采集三维场景数据,建立GPU渲染流程的三维场景数据库;
S200、通过三维场景数据库模拟对特种电影的画面渲染效果,确定渲染方案;
S300、GPU集群根据渲染方案进行渲染,获得渲染后的特种电影。
本发明实施例中,其先建立一用于对特种电影进行渲染的材料的三维场景数据库,在进行渲染时,采用该三维场景数据库模拟对特种电影的渲染效果,并通过GPU集群进行超算渲染。本发明方案与现有技术采用CPU进行处理的方法相比,其速度提高了10-100倍,并且与现有技术相比,其只需约五分之一的GPU集群设备存放空间和约十分之一的能耗值。
具体地,在本发明步骤S100中,所述三维场景数据具体包括场景数据分析并优化、材质转换和贴图格式中的一种或多种。下面对场景数据分析并优化、材质转换和贴图格式这几种三维场景数据进一步进行阐述。
场景数据分析及优化:
即对三维场景中所有数据类型节点进行计数统计(统计工具:MASS),通过统计场景数据的体量及有效性进行分析,从数据风格及本地数据传输带宽、数据吞吐量等多个角度进行优化并删减。而对于数量大于100的场景数据类型要进行单独分析,对场景数据进行分析和优化后,transform类型的节点减少了98%,它只是一个占位物体,具体优化过程是把它分为几组物体,减少场景加载时间。
材质转换:
由于原始材质是针对GPU渲染流程中各个渲染器进行创建的,因此需要将这些原始材质转化为GPU渲染器类型,以便更好地优化其渲染效率。
贴图格式转换:
由于基于GPU集群的贴图处理机制,都需要在GPU渲染过程中把贴图(特种电影的画面)转化为GPU纹理处理器优化支持的DDS格式,因此一次性提前把贴图处理好即一次性将贴图格式进行转换,这样可以不必在每次渲染时处理,节省大量贴图重复处理时间,从而提高整体渲染计算效率。
通过步骤S200模拟对特种电影的画面渲染效果后,便可由步骤S300确定最终的渲染方案。对于特种电影的渲染计算来说,GPU渲染计算分为两个关键指标:计算能力以及计算适应性。
1)计算能力:GPU的cuda核数量及频率决定了其计算能力,可以通过增加GPU数量来增加计算能力;
2)计算适应性:显卡显存的大小直接决定其对场景处理的适应范围,由于照片级特种电影CG图像无偏差渲染技术需要计算整个三维场景数据元素互相之间的色彩影响,需要一次性加载所有三维场景主要数据元,当显存的容量不能满足所需数据元的存储及处理时,无法进行渲染计算,而不是计算速度问题;并且无法通过增加显卡数量来解决,因此本发明的特点是采用市场上显存最大的显卡做为GPU渲染计算核心,以最大限度增加其适应性。
因此,在较佳实施例中,所述GPU集群由8张NVIDIA公司产的,且型号为Titan-Z或k80的GPU显卡所组成。本发明所述GPU集群具有18432GHz的运算速度,其能耗约为2400w,并且所述GPU集群只占两台普通电脑的空间大小,其硬件的产够成本约为同样性能的CPU集群的八十分之一,其具有计算能力强且计算适应性佳的优点。
较佳实施例中,本发明采用GPU组合方式来进行特种电源的渲染。由于特种电影CG渲染无偏差渲染计算原理,需要在所有GPU显存中加载完全相同的三维场景数据元,在多个GPU组合过程中是严格遵守“最短水桶木板”原理的,即整体GPU性能按照最差性能来组合的,因此不能用高低搭配的GPU组合方式。例如将一个有4个GPU、6GB显存的组合(记为A组合),和另一个有1个GPU、12GB显存的组合(记为B组合)进行渲染实验;由实验可知,A组合在第12分钟时因显存不够导致无法渲染,而B组合在第12分钟时占用显存8.5GB;但是A组合在第3.7分钟时渲染出的效果,B组合需要在第10分钟时才能达到同样的渲染效果。由此可知,A组合(即多个GPU、少显存)的计算能力更强,计算速度快,但其适应性不如B组合(即单个GPU、多显存)。
另外,请参见图2,本发明还提供一种基于GPU超算的特种电影渲染系统,其中,所述系统包括:
建立模块100、用于通过采集三维场景数据,建立GPU渲染流程的三维场景数据库;
模拟模块200、用于通过三维场景数据库模拟对特种电影的画面渲染效果,确定渲染方案;
渲染模块300、用于GPU集群根据渲染方案进行渲染,获得渲染后的特种电影。
优选地,所述三维场景数据具体包括场景数据分析并优化、材质转换和贴图格式中的一种或多种。进一步地,所述GPU集群具有18432GHz的运算速度。
本发明所述系统中模块的具体实现途径请参见上述方法步骤,在此不再赘述。
综上所述,本发明通过先建立一用于对特种电影进行渲染的材料的三维场景数据库,在进行渲染时,采用该三维场景数据库模拟对特种电影的渲染效果,并通过GPU集群进行超算渲染。本发明方案与现有技术采用CPU进行处理的方法相比,其速度提高了10-100倍,并且无需采用多台计算机进行处理,降低了能耗且有效减少了生产成本。
以上所揭露的仅为本发明的较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (2)
1.一种基于GPU超算的特种电影渲染方法,其特征在于,包括以下步骤:
A、通过采集三维场景数据,建立GPU渲染流程的三维场景数据库;
B、通过三维场景数据库模拟特种电影的画面渲染效果,确定渲染方案;
C、GPU集群根据渲染方案进行渲染,获得渲染后的特种电影;
所述GPU集群由8张型号为Titan-Z或k80的GPU显卡所组成;
在所有GPU显存中加载完全相同的三维场景数据元,整体GPU性能按照最差性能来组合;
所述GPU集群具有18432GHz的运算速度;所述GPU集群占两台电脑的空间大小,其硬件的采购成本约为同样性能的CPU集群的八十分之一;
建立所述三维场景数据具体包括场景数据分析并优化、材质转换和贴图格式转换中的一种或多种;
所述场景数据分析并优化包括:对三维场景中所有数据类型节点进行计数统计,通过统计对场景数据的体量及有效性进行分析,从数据风格及本地数据传输带宽、数据吞吐量进行优化并删减;
所述材质转换包括:将原始材质转化为GPU渲染器类型,优化其渲染效率;
所述贴图格式转换包括:在GPU渲染过程中把贴图转化为GPU纹理处理器优化支持的DDS格式,且一次性将贴图格式进行转换。
2.一种基于GPU超算的特种电影渲染系统,其特征在于,所述系统包括:
建立模块、用于通过采集三维场景数据,建立GPU渲染流程的三维场景数据库;
模拟模块、用于通过三维场景数据库模拟特种电影的画面渲染效果,确定渲染方案;
渲染模块、用于GPU集群根据渲染方案进行渲染,获得渲染后的特种电影;
所述GPU集群由8张型号为Titan-Z或k80的GPU显卡所组成;
在所有GPU显存中加载完全相同的三维场景数据元,整体GPU性能按照最差性能来组合;
所述系统中,GPU集群具有18432GHz的运算速度;所述GPU集群占两台电脑的空间大小,其硬件的采购成本约为同样性能的CPU集群的八十分之一
所述系统中,建立三维场景数据具体包括场景数据分析并优化、材质转换和贴图格式转换中的一种或多种;
所述场景数据分析并优化包括:对三维场景中所有数据类型节点进行计数统计,通过统计对场景数据的体量及有效性进行分析,从数据风格及本地数据传输带宽、数据吞吐量进行优化并删减;
所述材质转换包括:将原始材质转化为GPU渲染器类型,优化其渲染效率;
所述贴图格式转换包括:在GPU渲染过程中把贴图转化为GPU纹理处理器优化支持的DDS格式,且一次性将贴图格式进行转换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510596698.2A CN105205851B (zh) | 2015-09-18 | 2015-09-18 | 一种基于gpu超算的特种电影渲染方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510596698.2A CN105205851B (zh) | 2015-09-18 | 2015-09-18 | 一种基于gpu超算的特种电影渲染方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105205851A CN105205851A (zh) | 2015-12-30 |
CN105205851B true CN105205851B (zh) | 2019-01-22 |
Family
ID=54953510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510596698.2A Active CN105205851B (zh) | 2015-09-18 | 2015-09-18 | 一种基于gpu超算的特种电影渲染方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105205851B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765530A (zh) * | 2018-05-24 | 2018-11-06 | 北京声影动漫科技有限公司 | 一种制作漫画和/或二维动画的方法 |
CN109889811A (zh) * | 2019-03-14 | 2019-06-14 | 陈萧名 | 一种实现裸眼3d的方法及系统 |
CN110517344B (zh) * | 2019-08-26 | 2023-06-23 | 上海欣能信息科技发展有限公司 | 一种用于电力三维模型的渲染优化方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592315A (zh) * | 2011-01-12 | 2012-07-18 | 上海库达数字信息技术有限公司 | 基于gpu云集群的3d渲染平台 |
-
2015
- 2015-09-18 CN CN201510596698.2A patent/CN105205851B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592315A (zh) * | 2011-01-12 | 2012-07-18 | 上海库达数字信息技术有限公司 | 基于gpu云集群的3d渲染平台 |
Also Published As
Publication number | Publication date |
---|---|
CN105205851A (zh) | 2015-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | Deep fluids: A generative network for parameterized fluid simulations | |
Tancik et al. | Nerfstudio: A modular framework for neural radiance field development | |
Wang et al. | Pixel2Mesh: 3D mesh model generation via image guided deformation | |
Dyken et al. | High‐speed marching cubes using histopyramids | |
CN111127610B (zh) | 一种点云数据三维可视化渲染方法与计算方法 | |
Kageyama et al. | An approach to exascale visualization: Interactive viewing of in-situ visualization | |
CN109147048A (zh) | 一种利用单张彩色图的三维网格重建方法 | |
JP7403638B2 (ja) | 高速なスパースニューラルネットワーク | |
CN109509211A (zh) | 同时定位与建图技术中的特征点提取与匹配方法及系统 | |
CN105205851B (zh) | 一种基于gpu超算的特种电影渲染方法及系统 | |
CN111932663A (zh) | 基于多层级非对称通信管理的并行绘制方法 | |
Nie et al. | Real-time incompressible fluid simulation on the GPU | |
Zhang et al. | FluidsNet: End-to-end learning for Lagrangian fluid simulation | |
Yang et al. | A completely parallel surface reconstruction method for particle-based fluids | |
Palaniappan et al. | Parallel flux tensor analysis for efficient moving object detection | |
CN103678888B (zh) | 一种基于欧拉流体模拟算法的心脏血液流动示意显示方法 | |
Obukhov et al. | Tt-nf: Tensor train neural fields | |
Goswami et al. | Implicit Incompressible SPH on the GPU | |
CN109299725A (zh) | 一种基于张量链并行实现高阶主特征值分解的预测系统和装置 | |
CN104361629B (zh) | 一种基于流线变形的烟模型空间编辑方法 | |
CN106803231A (zh) | 一种基于sort‑first负载平衡的图形并行绘制方法 | |
Song et al. | City-on-Web: Real-time Neural Rendering of Large-scale Scenes on the Web | |
Samel et al. | Gpu computing and its applications | |
US20140002454A1 (en) | 3d graphics ui affordances based on behind-the-scenes simulation | |
Lin et al. | Dynamic Appearance Particle Neural Radiance Field |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 518053 Guangdong Shenzhen city Shenzhen Nanshan District Shahe Street Huaqiao Creative Culture Park East Industrial Zone H1 5-6 floor Patentee after: Shenzhen Overseas Chinese City Cultural Tourism Technology Group Co., Ltd. Address before: 518053 Guangdong city of Shenzhen province Nanshan District Xiangshan Road on the 1st floor after Liyuan Village Patentee before: SHENZHEN OCT VISION INC. |