| Название НИОКТР |
Спектральное моделирование распространения света и спектральный рендеринг в реальном времени на гибридных и мобильных платформах
|
| Аннотация |
Проект направлен на решение фундаментальной научной проблемы – создание комплексного подхода, оригинальных математических методов, алгоритмов и программных реализаций для спектрального моделирования распространения света и рендеринга в реальном времени на гибридных и мобильных платформах. Он складывается из трех основных направлений: (1) создание массивно-параллельных стохастических расчетных методов переноса светового излучения в спектральном представлении, (2) создание алгоритмов рендеринга спектральных 3D сцен в реальном времени, (3) обеспечение кроссплатформенности разработанных алгоритмов. Достижение реального времени в подобных задачах требует большого объема вычислений и невозможно без использования графических ускорителей.
Актуальность проекта определяется тем, что в ближайшее десятилетие компьютерная графика фактически перейдет на рендеринг в спектре, а камеры мобильных телефонов станут гиперспектральными. Уже сейчас есть работы, которые показывают, что при помощи таких камер можно осуществить лучшую цветопередачу, а рендеринг в киноиндустрии активно двигается в направлении спектра с 2020 года. Переход в спектр ведет к увеличению точности оптического моделирования и к правильной цветопередаче, что востребовано и в современных приложениях рендеринга в реальном времени. Если принять во внимание взрывной рост в последнее время методов 3D реконструкции и дифференцируемого рендеринга, а также различных видов полей освещенности, становится понятно, что повсеместный переход к спектральным моделям в компьютерной графике является лишь вопросом времени. Однако современные методы рендеринга, особенно в реальном времени, к этому пока не готовы.
В стохастических методах переход в спектр сопровождается значительным повышением уровня шума. Совмещение RGB и спектрального контента в рендеринге требует разработки быстрых методов конвертации RGB в спектр. На практике спектральное моделирование приводит также к увеличению затрат памяти на 1-2 порядка, что существенно затрудняет использование GPU и мобильных платформ. А без интенсивного применения аппаратного ускорения практически недостижимы требования производительности.
Для решения всех этих задач предполагается разработать следующие оригинальные подходы и методы, составляющие основную научную новизну планируемых исследований:
• разработка новых, устойчивых к шумам методов стохастического моделирования распространения света, которые бы работали при наличии узких пиков в различных областях спектра материалов и источников, а также при наличии дисперсии в сцене (например, в стекле);
• создание оригинальных методов спектрального рендеринга в реальном времени, позволяющих обеспечить лучшую цветопередачу при работе с отсканированным контентом, содержащим спектральные материалы без существенной потери производительности по сравнению с рендерингом в RGB;
• создание новых компактных представлений спектральных текстур и Spatially Varying Distribution Function, описывающих свойства поверхности, используемых как в стохастическом моделировании, так и для рендеринга в реальном времени;
• формулирование принципов и расширение технологии кроссплатформенного программирования графических процессоров и мобильных платформ, позволяющих прозрачно интегрировать спектральные модели как в точное моделирование, так и в рендеринг в реальном времени. Безусловно новым является выполнение универсальных аппроксиматоров (нейронных сетей и сетей Арнольда-Колмогорова) одновременно с шейдерами на GPU.
Решение поставленной научной проблемы позволит существенно повысить эффективность спектрального оптического моделирования (в десятки раз) и реалистичность рендеринга в реальном времени. При этом разработанная технология не будет зависеть от конкретной платформы, что позволит как достаточно эффективно тиражировать ее на различные, включая мобильные, платформы, так и быстро переносить на другие платформы, если текущая становится недоступной (например, из-за экспортных ограничений).
|
| Доступ к ОКОГУ исполнителя |
False
|
| Количество связанных РИД |
0
|
| Количество завершенных ИКРБС |
0
|
| Сумма бюджета |
21000.0
|
| Дата начала |
2025-05-28
|
| Дата окончания |
2027-12-31
|
| Номер контракта |
25-11-00054
|
| Дата контракта |
2025-05-28
|
| Количество отчетов |
3
|
| УДК |
001.891.573
|
| Количество просмотров |
10
|
| Руководитель работы |
Волобой Алексей Геннадьевич
|
| Руководитель организации |
Якобовский Михаил Владимирович
|
| Исполнитель |
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ УЧРЕЖДЕНИЕ "ФЕДЕРАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ЦЕНТР ИНСТИТУТ ПРИКЛАДНОЙ МАТЕМАТИКИ ИМ. М.В. КЕЛДЫША РОССИЙСКОЙ АКАДЕМИИ НАУК"
|
| Заказчик |
Российский научный фонд
|
| Федеральная программа |
Отсутствует
|
| Госпрограмма |
—
|
| Основание НИОКТР |
Грант
|
| Последний статус |
2025-09-10 08:56:17 UTC, 2025-09-10 08:56:17 UTC
|
| ОКПД |
Услуги (работы), связанные с научными исследованиями и экспериментальными разработками в области технических наук и в области технологий, прочие, не включенные в другие группировки, кроме биотехнологии
|
| Отраслевой сегмент |
—
|
| Минздрав |
—
|
| Межгосударственная целевая программа |
—
|
| Ключевые слова |
методы Монте-Карло; компьютерная графика; спектральное моделирование распространения света; расчет глобальной освещенности; трассировка лучей; дифференцируемый рендеринг; рендеринг в реальном времени; кроссплатформенность; программирование GPU
|
| Соисполнители |
—
|
| Типы НИОКТР |
Фундаментальное исследование
|
| Приоритетные направления |
—
|
| Критические технологии |
—
|
| Рубрикатор |
28.17.19 - Математическое моделирование
|
| OECD |
—
|
| OESR |
Компьютерные, информационные науки и биоинформатика (разработка аппаратного обеспечения относится к разделу 2.2, социальный аспект относится к разделу 5.8)
|
| Приоритеты научно-технического развития |
а) переход к передовым технологиям проектирования и создания высокотехнологичной продукции, основанным на применении интеллектуальных производственных решений, роботизированных и высокопроизводительных вычислительных систем, новых материалов и химических соединений, результатов обработки больших объемов данных, технологий машинного обучения и искусственного интеллекта;
|
| Регистрационные номера |
—
|
