3D

RTX Mega Geometry: il ray tracing incontra la geometria virtualizzata

Con Unreal Engine 5 e tecnologie come Nanite, la quantità di geometria gestita in tempo reale è cresciuta enormemente. Modelli composti da milioni di triangoli possono essere visualizzati senza ricorrere ai tradizionali livelli di dettaglio preparati manualmente.

Quando però entra in gioco il ray tracing, la situazione si complica.

Un ray tracer deve poter interrogare rapidamente tutta la geometria della scena per determinare dove un raggio incontra una superficie. Per farlo utilizza strutture di accelerazione, normalmente organizzate come BVH e suddivise in BLAS e TLAS (qui si trova una breve spiegazione)

Queste strutture funzionano bene, ma diventano costose da costruire e aggiornare quando la scena contiene una quantità enorme di geometria dinamica.

È proprio qui che entra in gioco RTX Mega Geometry.

Più geometria, senza ricostruire tutto

Mega Geometry non è una nuova tecnica di illuminazione e non va confusa con DLSS (qui ne avevamo già parlato)

Il suo obiettivo è rendere più efficiente la gestione della geometria utilizzata dal ray tracing, soprattutto nelle scene molto complesse.

Uno degli elementi chiave è la suddivisione delle mesh in piccoli cluster di triangoli. In Vulkan NVIDIA introduce per questo scopo le Cluster Level Acceleration Structures, o CLAS.

L’idea è semplice: invece di gestire una mesh composta da milioni di triangoli come un unico blocco, la scena viene suddivisa in unità più piccole.

Se una parte della geometria cambia, non è quindi necessario ricostruire tutto.

Questa maggiore granularità si presta bene a sistemi di LOD dinamico, tessellation, displacement e geometria procedurale, ma soprattutto alla geometria virtualizzata.

Il collegamento con Nanite

Nanite rappresenta probabilmente il caso d’uso più interessante.

Unreal Engine può visualizzare mesh estremamente dettagliate selezionando dinamicamente solo la geometria necessaria. Il ray tracing, però, può utilizzare una rappresentazione più semplice della stessa mesh, chiamata Fallback Mesh.

Questo significa che il modello visibile sullo schermo e quello utilizzato per calcolare riflessi e ombre possono avere livelli di dettaglio differenti.

Mega Geometry punta a ridurre questa distanza, permettendo al ray tracing di lavorare con una quantità molto maggiore della geometria originale.

In pratica, i raggi possono “vedere” una scena più simile a quella realmente visualizzata dal giocatore.

LOD e streaming anche per il ray tracing

L’organizzazione a cluster permette inoltre di applicare al ray tracing principi già comuni nella rasterizzazione moderna.

Non tutta la geometria deve essere presente al massimo dettaglio e non tutto deve essere residente contemporaneamente nella VRAM.

I cluster possono essere selezionati in funzione del livello di dettaglio necessario e caricati quando servono.

Lo stesso principio vale per le acceleration structures: se in una scena enorme cambia soltanto una piccola parte degli oggetti, diventa molto più efficiente aggiornare solo quella porzione anziché ricostruire l’intera struttura.

È un cambiamento importante perché sposta il problema del ray tracing dalla semplice capacità di eseguire test di intersezione alla capacità di organizzare e aggiornare enormi quantità di geometria in pochi millisecondi.

Gears of War: E-Day sarà il primo banco di prova

Una delle prime applicazioni videoludiche di RTX Mega Geometry sarà Gears of War: E-Day.

Il titolo utilizza Nanite e sfrutterà Mega Geometry per aumentare il dettaglio geometrico utilizzato nei calcoli ray traced (qui l’annuncio ufficiale)

Elementi come vegetazione, detriti, rocce o piccoli dettagli degli oggetti potranno quindi contribuire in maniera più accurata a ombre e riflessi.

È probabilmente questo il modo migliore per interpretare la tecnologia: Mega Geometry non aggiunge dettaglio ai modelli, ma permette al ray tracing di utilizzare meglio il dettaglio che esiste già.

Perché è una tecnologia interessante

Dal punto di vista tecnico, Mega Geometry è interessante soprattutto per la direzione che indica.

Le scene future continueranno a diventare più complesse, mentre rasterizzazione e ray tracing dovranno lavorare sempre più spesso sulla stessa geometria virtualizzata.

Non sarà quindi sufficiente avere GPU capaci di tracciare più raggi. Serviranno sistemi efficienti per costruire, aggiornare e trasmettere le strutture geometriche necessarie al ray tracing.

Cluster, streaming, aggiornamenti locali e LOD dinamico sembrano destinati a diventare una parte sempre più importante di questa pipeline.

NVIDIA parla della possibilità di gestire fino a 100 volte più triangoli ray traced in alcuni scenari basati sulla geometria a cluster. Non significa ottenere cento volte più FPS: significa rendere gestibile una complessità geometrica molto più elevata.

Ed è forse questo l’aspetto più interessante di RTX Mega Geometry: non cerca semplicemente di rendere più veloce il ray tracing, ma di prepararlo alle scene di nuova generazione.

Per approfondire

Per chi vuole entrare nei dettagli tecnici, consiglio soprattutto queste risorse:

Autodesk Educational: controllo centralizzato

In questi giorni molti utenti educational stanno ricevendo un’email in cui Autodesk annuncia una nuova modalità di registrazione e assegnazione delle licenze Educational.

Con questa nuova modalità, Autodesk permette ai Docenti di assegnare le licenze educational ai propri studenti in modo centralizzato. In questo modo, si potranno indicare un massimo di 125 nominativi che saranno automaticamente assegnati come educational student, accedendo immediatamente alle licenze disponibili per i software scelti.

In questo modo, l’accesso ai software educational diventa più facile e immediato, bypassando le procedure di verifica finora necessarie per dimostrare l’eleggibilità dello status educational.

Come funziona?

Il Docente (che dovrà essere già autenticato e riconosciuto come utente educational), dopo l’accesso alla propria pagina Autodesk Educational potrà scegliere se scaricare i software disponibili come singolo utente (per il proprio utilizzo nell’ambito educativo) o gestire l’assegnazione di una classe.
In quest’ultimo caso, avrà la possibilità di scegliere che tipologia di gestione vuole utilizzare, se tramite un server centralizzato di autenticazione o una più comune gestione per singolo utente, che permette a ciascun nominativo indicato di scaricare ed utilizzare sul proprio pc i programmi selezionati.

Ogni docente ha a sua disposizione 125 nominativi per ciascun software disponibile, che potrà indicare nella pagina apposita tramite i loro indirizzi email. Questi nominativi dovranno corrispondere a studenti (di età minima 13 anni), docenti o collaboratori scolastici (vedi pagina idoneità).

La funzionalità di questi abbonamenti sarà legata alla effettiva eleggibilità del docente che, come succedeva fino a poco tempo fa, deve essere rinnovata di anno in anno. E’ bene specificare, dunque, che se tale rinnovo viene interrotto o non rinnovato, tutti gli abbonamenti degli studenti associati verranno automaticamente disabilitati.

Considerato l’aggiornamento della procedura di autenticazione educational che Autodesk aveva avviato nel corso dell’anno precedente, che prevedeva una più attenta e accurata riconoscibilità dello status di studente/docente, è evidente che questa nuova procedura mira a facilitare la gestione in ambito educativo, consentendo un’attivazione centralizzata e veloce dei vari abbonamenti necessari a far lavorare una classe o un laboratorio.

Per approfondire:
– condizioni per essere ammesso alle versioni educational
– pagina Autodesk Educational

NVIDIA DLSS 2.0

Con l’architettura Turing, NVIDIA ha iniziato ad implementare dal 2018 nuove tecnologie che sfruttano algoritmi di Intelligenza Artificiale per ottimizzare la resa qualitativa delle applicazioni e dei giochi.
Una fra queste è la tecnologia DLSS, acronimo di Deep Learning Super Sampling.

Si tratta di un algoritmo implementato nel chipset NVIDIA che permette di effettuare dei calcoli di rendering con un subsampling dell’immagine, quindi ad una risoluzione inferiore, per poi rielaborarla automaticamente tramite un super-sampling effettuato internamente dai Tensor core presenti nel chip, per ottenere un’immagine ad una risoluzione maggiore, conservando una qualità ottimale ed un alto frame rate.

Ciò che differenzia questa tecnologia rispetto ai più consueti algoritmi di up-scaling, è la rete neurale profonda utilizzata internamente che, istruita dalle immagini del gioco stesso, permette una migliore calibrazione e di conseguenza una resa grafica più efficiente, specificatamente sulle features del gioco stesso.

Architettura DLSS v.2.0

In definitiva, questa strategia consente di diminuire i tempi di calcolo conservando ottime qualità visive anche alle più alte risoluzioni, con il limite, ovviamente, di richiedere alle case produttrici l’integrazione di questa funzionalità all’interno del proprio workflow (quindi solo alcuni titoli sono compatibili con il DLSS).

Nel 2020, con l’implementazione dei nuovi chipset, NVIDIA ha portato degli aggiornamenti anche a questa tecnologia (DLSS v.2.0) portando nuovi vantaggi in termini prestazionali ed implementativi.

Deliver Us the Moon – DLSS 2.0


In particolare, la fase di training della rete neurale viene in parte generalizzata sui componenti grafici più comuni all’interno dei giochi (come i sistemi particellari di fumo, fuoco, ecc.) senza la necessità quindi di ricevere un dataset di immagini specifico da ciascun produttori.

Inoltre, per i titoli che supportano questa tecnologia, è possibile impostare tre livelli di qualità computazionale: qualità, bilanciato, performance, in modo da poter impostare, sulla base delle caratteristiche hardware in possesso, un setup funzionale.

Ovviamente anche AMD è impegnata nella ricerca ed implementazione tecnologica nella pipeline di rendering dei propri chipset e al Computex 2021 ha presentato FidelityFX Super Resolution, la sua risposta al DLSS di NVIDIA (per approfondire visita il link)

Per approfondire DLSS 2.0: visita il link

Convegno OpenLAB 2019 al Politecnico di Bari

Ti sei perso l’evento OpenLAB 2019 che si è tenuto al Politecnico di Bari ?
Nessun problema!
In questo video potrai riascoltare alcuni interventi di alcuni relatori come il Prof. Cesare Verdoscia (Politecnico di Bari), Giampaolo Parravicini (AMD), Prof. Vitoantonio Bevilacqua (Politecnico di Bari), Roberto Madonna (Graitec) e ovviamente il mio 🙂

Io ho cercato di affrontare alcune nuove tecnologie che si stanno sviluppando nella computer grafica come il RayTracing e l’Intelligenza Artificiale, portando alcuni casi studio sviluppati in ambito universitario internazionale.

Se hai delle domande e dei dubbi, non esitare a contattarmi 🙂

Intervista TGNorba24

Modellazione percettiva Vs. Modellazione informativa. Questa la nuova sfida che si sta affrontando nell’ambito della Computer Grafica a causa delle sempre maggiori integrazioni dell’AI e delle macchine a controllo numerico impiegate all’interno dei workflow produttivi.
Intervista registrata al Convegno OpenLAB 2018 tenutosi ad Andria presso le Officine San Domenico.