Interactive Hyper Spectral Image Rendering on GPU

In this paper, we describe a framework focused on spectral images rendering. The rendering of a such image leads us to three major issues: the computation time, the footprint of the spectral image, and the memory consumption of the algorithm. The computation time can be drastically reduced by the use of GPUs, however, their memory capacity and bandwidth are limited. When the spectral dimension of the image will raise, the straightforward approach of the Path Tracing will lead us to high memory consumption and latency problems. To overcome these problems, we propose the DPEPT (Deferred Path Evaluation Path Tracing) which consists in decoupling the path evaluation from the path generation. This technique reduces the memory latency and consumption of the Path Tracing. It allows us to use an efficient wavelength samples batches parallelization pattern to optimize the path evaluation step and outperforms the straightforward approach. Dans cet article, nous décrivons un framework axé sur le rendu d'images spectrales. Le rendu de telles images nous amène à trois problèmes majeurs: le temps de calcul, la taille de l'image spectrale en mémoire et la consommation en mémoire de l'algorithme. L'utilisation des GPUs permet de réduire considérablement le temps de calcul. Cependant, leur capacité mémoire et leur bande passante sont limitées. Lorsque la dimension spectrale de l'image augmente, une utilisation directe du Path Tracing conduit à une consommation de mémoire élevée et à des problèmes de latence. Pour remédier à ces problèmes, nous proposons le DPEPT (Evaluation différée des chemins par Path Tracing) qui consiste à découpler l’évaluation du chemin de sa génération. Cette technique réduit la latence de la mémoire et la consommation du Path Tracing. Il nous permet d’utiliser un modèle efficace de parallélisation de lots d’échantillons de longueur d’onde pour optimiser l’étape d’évaluation du chemin et surpasse l’approche simple.