High performance interactive visualization of large volume data: a GPU-based multiresolution out-of-core approach - Archive ouverte HAL Access content directly
Theses Year : 2018

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

(1)
1

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.
Fichier principal
Vignette du fichier
version_finale_déposée.pdf (91.23 Mo) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

tel-02064918 , version 1 (12-03-2019)

Identifiers

  • HAL Id : tel-02064918 , version 1

Cite

Jonathan Sarton. Visualisations interactives haute-performance de données volumiques massives : une approche out-of-core multi-résolution basée GPUs. Calcul parallèle, distribué et partagé [cs.DC]. Université de Reims Champagne Ardenne URCA, 2018. Français. ⟨NNT : ⟩. ⟨tel-02064918⟩

Collections

URCA CRESTIC
169 View
90 Download

Share

Gmail Facebook Twitter LinkedIn More