High performance interactive visualization of large volume data: a GPU-based multiresolution out-of-core approach
Visualisations interactives haute-performance de données volumiques massives : une approche out-of-core multi-résolution basée GPUs
Abstract
The needs for volume data visualization are common in several scientic elds, in par-
ticular in bio-medical imaging. Indeed, several types of frequently used acquisition devices
generate scalar and vectorial elds represented as a 3D regular grid. It is important to be
able to visualize interactively these volumes, in order to extract information or to vali-
date experimental results. However, the increase in acquisition accuracy of these modern
devices induces an exponential growth of the amount of data. To deal with this problem,
visualization algorithms must be adapted, both, to the volume of data they handle and its
steady growth. The use of GPU accelerator cards is particularly well suited to the nature of
volume data and the associated visualization algorithms. High-performance computing en-
vironments are now turning to solutions that uses a large number of such cards. These are,
by their massively parallel nature, good candidates to oer high-performance visualization
solutions. However, the amount of memory in GPUs is very limited, and is much less impor-
tant than the size of the raw data of the volumes to be handled. One solution is to design
out-of-core algorithms, where the computing unit is dissociated from the data storage unit.
In this thesis work, we propose a complete pipeline for interactive visualization on
the GPU of very large volumes of data exceeding the physical capacities of the GPU and
the CPU memory independently of the machine used for the rendering. For this purpose,
we study an out-of-core management model, based on a memory virtualization principle,
particularly well adapted to very large volumes. We propose an approach that includes
a virtual addressing structure, fully managed on the GPU. We are also interested in the
compatibility of this model for dierent types of volume data visualization applications.
We propose a rst application that uses a virtual microscope principle to provide autoste-
reoscopic 3D visualization of ultra-high resolution image stacks ; a second one that oers
interactive direct volume rendering with a ray-guided approach, showing the usability of
our out-of-core management model in hybrid, multi-GPUs, multi-CPUs high-performance
computing environments.
Les besoins en visualisation de données volumiques sont courants dans plusieurs do-
maines scientiques et en particulier en imagerie médicale et bio-médicale. En eet, plu-
sieurs types d'appareils d'acquisition fréquemment utilisés, génèrent des champs scalaires
ou vectoriels, représentés sous forme de grille régulière 3D, qu'il est important de pouvoir
visualiser de manière interactive pour en extraire des informations, ou pour valider des
résultats expérimentaux. L'accroissement de la précision d'acquisition de ces appareils mo-
dernes engendre cependant une hausse exponentielle de la quantité des données générées.
Les algorithmes de visualisation doivent, non seulement, faire face à cette problématique
en s'adaptant à la volumétrie des données qu'ils manipulent, mais aussi à cette évolution
rapide. L'utilisation de cartes accélératrices de type GPU est particulièrement bien adap-
tée à la nature des données volumiques et aux algorithmes de visualisation généralement
associés. Les environnements de calcul haute performance se tournent aujourd'hui vers des
solutions qui utilisent un grand nombre de ces cartes. Ceux-ci sont, par leur nature mas-
sivement parallèle, de bons candidats pour proposer des solutions de visualisation haute
performance. La quantité de mémoire des GPUs est cependant très limitée, et bien moins
importante que les données brutes des volumes à manipuler. Une solution est alors de
concevoir des algorithmes "out-of-core", dont l'unité de calcul est dissociée de l'unité de
stockage des données.
Dans ces travaux de thèse, nous proposons un pipeline complet permettant de visualiser
de manière interactive sur GPU, de très grands volumes de données dépassant les capacités
physiques de la mémoire du GPU et du CPU de la machine sur laquelle est réalisé le rendu.
Nous étudions pour cela, un modèle de gestion "out-of-core", basé sur un principe de
virtualisation de la mémoire, particulièrement bien adapté à de très grands volumes. Nous
proposons une approche qui comprend une structure d'adressage virtuel, entièrement gérée
sur GPU. Nous nous intéressons également à la compatibilité de ce modèle pour diérents
types d'applications de visualisation de données volumiques. Une première s'appuie sur
le principe de microscope virtuel pour proposer une visualisation 3D autostéréoscopique
de piles d'images ultra haute résolution. Une seconde propose un rendu volumique direct
interactif par une approche "ray-guided", en montrant les capacités d'utilisation de notre
modèle de gestion "out-of-core" dans des environnements de calcul haute performance
hybrides, multi-GPUs, multi-CPUs.
Origin | Files produced by the author(s) |
---|
Loading...