선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 한편 자신에게 할당된 부분 영상을 모누 생성한 프로세서는 이웃 프识세서의 큐에서 아직 처리되지 않은 타일을 가져와서 렌더링을 수행하기 때문에 좋은 부하 世형을 이룬다. [创에서村 영상 분할 방식의 최대 단점인 데이터의 재분배(redistribution) 문제를 해결하는 방안을 제시하였다. 각 프로세서의 지역 메모리룰 데이터 영역과 캐쉬 영역으로 나누고 지역 메모리에 없는 데이터 블록을 원격 접 W 해 캐쉬에 적재한 후 二t 블록을 통과하는 모든 광선욮 한꺼번에 처리하였다.
- 하지만 고가의 병렬컴퓨터는 비용면에서 현실적이지 못한 해결방법이다. 이에 본 논문에서는 일반적으로 이용이 가능한 pc/워크스테이션 클러스터를 이용하는 분산 볼륨 렌더링을 제안하였다.
제안 방법
- 앞서 실험한 결과에서 증명된 느린 이더넷 상에서 구현되었으며 프로세서들을 연결시켜줄 네트워크 라이브러리는 PVM(Parall 이 Virual Ma사iine)[2]을 사용하였다. MPKMessage Passing Interface)도 일반적으로 많이 사용되나 현재 많이 보급되어 있는 PC에는 포팅되어있지 않아 PC에 서도 사용할 수 있는 PVM을 선택하였다. 실험에 사용된 데이터는 많은 볼륨 렌더링 방법에서 표준적으로 사용하고 있는 NLM의 Visible Human dataset 을 사용하였으며 밀도 값의 범위는 0~2龙-1이다.
- [创에서村 영상 분할 방식의 최대 단점인 데이터의 재분배(redistribution) 문제를 해결하는 방안을 제시하였다. 각 프로세서의 지역 메모리룰 데이터 영역과 캐쉬 영역으로 나누고 지역 메모리에 없는 데이터 블록을 원격 접 W 해 캐쉬에 적재한 후 二t 블록을 통과하는 모든 광선욮 한꺼번에 처리하였다. 따라서 한번 원격 접근해온 튤록은 재접는의 필요가 없어 쳐 통신량을 대폭 줄일 수 있다.
- 그것은 볼륨 데이터가 각 프로세서의 볼륨에 분산되어 있기 때문에 어떤 방식으로든 통신이 불가피하기 때문이다. 따라서 이제 가지 제안된 많은 볼륨 렌더링들이 프로 세서 간의 통신 속도가 빠른 병렬 컴퓨터를 이용하였다. 하지만 고가의 병렬컴퓨터는 비용면에서 현실적이지 못한 해결방법이다.
- 또한 복원속도를 측정하기 위해서 압축을 하지 않은 데이터의 접근속도와 비교 실험을 수행하였다. 실험은 임의 복 셀과 임의 블록에 대해 각가 W0만 번 접근하는 속도를 측정하여 -L 시간을 비교하는 방식이다 불록은 64번의 셀로 접근되었고 그 이유는 앞서 수행한 통신 시간의 측정에서와같이 압축스킴의 득성 때문이다.
- 이때 한번 복원된 셈은 캐쉬에 넣으므로 추후에 똑같은 셀을 또 복원해야 하는 비용이 절감될 수 있게 하였다. 또한 블록의 최대값, 최소값을 루트로 하고 셀을 리프로 좀}는 min* max octree를 이용하므로 렌더링에서 대부분의 시간을 차치하는 광선과 불체의 최초 교차점 계산을 매우 빠른 시간에 수행할 수 있도록 하였다.
- 실험은 이더넷 상에서 2개의 PE에 의해 이루어졌고 마스터 PE는 MIPS R10000 195MHz CPU를 갖는 워크스테이션, 슬레이브 PE는 Pentium II 450MHz CPU를 갖는 PC에서 NLM의 Visible Human dataset에 대해서 이루어졌다. 또한 시간 비교를 위해 마스터 PE에서만 단독으로 같은 크기의 데이터를 렌더링하였고 그 결과는 표 1과 같다.
- 본 논문에서 제안한 알고리즘은 이기종의 pc 와 워크스테이션에서 구현되었다. 앞서 실험한 결과에서 증명된 느린 이더넷 상에서 구현되었으며 프로세서들을 연결시켜줄 네트워크 라이브러리는 PVM(Parall 이 Virual Ma사iine)[2]을 사용하였다.
- 본 논문이 세안하는 방법에 앞서 분산 환경의 롱신 속도를 측정하는 실험을 수행하였다. 우선 512x512x512의 해상도를 갖는 볼듐데이더를 프로세서 개수만큼 임의로 분산시킨다.
- 실험은 이더넷 상에서 2개의 PE에 의해 이루어졌고 마스터 PE는 MIPS R10000 195MHz CPU를 갖는 워크스테이션, 슬레이브 PE는 Pentium II 450MHz CPU를 갖는 PC에서 NLM의 Visible Human dataset에 대해서 이루어졌다. 또한 시간 비교를 위해 마스터 PE에서만 단독으로 같은 크기의 데이터를 렌더링하였고 그 결과는 표 1과 같다.
- 또한 복원속도를 측정하기 위해서 압축을 하지 않은 데이터의 접근속도와 비교 실험을 수행하였다. 실험은 임의 복 셀과 임의 블록에 대해 각가 W0만 번 접근하는 속도를 측정하여 -L 시간을 비교하는 방식이다 불록은 64번의 셀로 접근되었고 그 이유는 앞서 수행한 통신 시간의 측정에서와같이 압축스킴의 득성 때문이다. 최소, 춰 대값을 이용한 범위 검사와 중복 복원을 피하기 위해 캐쉬불 사용하였다.
- 클러스터 내의 각 프로세서들은 균등하게 분배된 데이터의 일부만을 적채하여 굴체 분할방식(dMa partitioning)으로 영상을 생성한다. 전체적으로는 영상을 스트립(strip) 형태로 나누어 하나의 스트립은 하나의 클러 스터에게 할당하여 전단하도록 하였다. 클러스터 수가 많아질수록 중복되는 데이터의 양이 많아지므로 렌너렁 속도가 빨라진다.
- 제안하는 분산 볼륨 렌더링 방법은 영상 분할법에 기초하며 한 프로세서가 처리하는 작업의 단위는 정사각형의 다일 형태이다. 모든 데이터가 지역 메모 리에 적재되는 본 방법의 특성상 데이터의 분할은 없다.
- 실험은 임의 복 셀과 임의 블록에 대해 각가 W0만 번 접근하는 속도를 측정하여 -L 시간을 비교하는 방식이다 불록은 64번의 셀로 접근되었고 그 이유는 앞서 수행한 통신 시간의 측정에서와같이 압축스킴의 득성 때문이다. 최소, 춰 대값을 이용한 범위 검사와 중복 복원을 피하기 위해 캐쉬불 사용하였다. 실험 결과 打 K 3에서 볼 수 있듯이 임의의 복셈에 대한 접근은 복원하는 경우가 0.
- 프로세서 하나만을 이용하여 렌더링 시간을 측정하였는데 이때 렌더링 되는 부분이 진체 영상에서 차지하는 비율에 다라 렌더링 시간이 달라지므로 정변에서만 렌더링하지 않고 20°씩 시계방향으로 돌아가며 18번의 렌더링을 수행하였다. 그 결과는 그림 3과 같다.
대상 데이터
- MPKMessage Passing Interface)도 일반적으로 많이 사용되나 현재 많이 보급되어 있는 PC에는 포팅되어있지 않아 PC에 서도 사용할 수 있는 PVM을 선택하였다. 실험에 사용된 데이터는 많은 볼륨 렌더링 방법에서 표준적으로 사용하고 있는 NLM의 Visible Human dataset 을 사용하였으며 밀도 값의 범위는 0~2龙-1이다. 해상도는 512x512x512와 512x512x1024의 두 가지에 대하여 실험하였으며 각각 256MB, 512MR로 일반적인 메모리의 크기를 넘어서는 방대한 크기이다.
- 본 논문에서 제안한 알고리즘은 이기종의 pc 와 워크스테이션에서 구현되었다. 앞서 실험한 결과에서 증명된 느린 이더넷 상에서 구현되었으며 프로세서들을 연결시켜줄 네트워크 라이브러리는 PVM(Parall 이 Virual Ma사iine)[2]을 사용하였다. MPKMessage Passing Interface)도 일반적으로 많이 사용되나 현재 많이 보급되어 있는 PC에는 포팅되어있지 않아 PC에 서도 사용할 수 있는 PVM을 선택하였다.
- 해상도는 512x512x512와 512x512x1024의 두 가지에 대하여 실험하였으며 각각 256MB, 512MR로 일반적인 메모리의 크기를 넘어서는 방대한 크기이다. 영상의 그 기는 각각 512x512, 512x1024이다.
- 실험에 사용된 데이터는 많은 볼륨 렌더링 방법에서 표준적으로 사용하고 있는 NLM의 Visible Human dataset 을 사용하였으며 밀도 값의 범위는 0~2龙-1이다. 해상도는 512x512x512와 512x512x1024의 두 가지에 대하여 실험하였으며 각각 256MB, 512MR로 일반적인 메모리의 크기를 넘어서는 방대한 크기이다. 영상의 그 기는 각각 512x512, 512x1024이다.
이론/모형
- 우선 512x512x512의 해상도를 갖는 볼듐데이더를 프로세서 개수만큼 임의로 분산시킨다. 데이터를 분산시키는 방법은 부하 균형(load balancing)이 가장 우수한 블록(block)을 이용하였다. 블록의 크기는 해상도 16x16x16로 하였고 전체 볼륨은 총 32x32x32개의 블록으로 이루어지게 된다.
- 블록 단위의 압축 등이 고려되었다. 벡터 양자화 (vector quantization)이 몇몇 요건을 만족시키나 이보다 압축률과 복원 시간, 복원 화질이 더 좋다고 증명된[11} 3차원 웨이블랏(wavelet) 기반의 압축 방법[3]에 二t 성능을 더 향상시킨 제로 비트 인코딩[4H1 이을 이용 하기로 하였다.
- [9] 는 영상 분할 방식으로 각 프로세서에 전채 영상의 일부분을 정적으로 할당하다. 이때 할당된 부분 영상은 더 사은 타일로 세분되어 큐(queued 넣어둔다, 프로세서는 큐애서 타일을 하나씩 가져와서 렌더링을 수행하는 Task queue image partitioning 방식을 이용한다. 한편 자신에게 할당된 부분 영상을 모누 생성한 프로세서는 이웃 프识세서의 큐에서 아직 처리되지 않은 타일을 가져와서 렌더링을 수행하기 때문에 좋은 부하 世형을 이룬다.
성능/효과
- 그림 5와 그림 6은 각각 성능향상(speedup)과 부하 균형을 보여준다. 그림에서 보듯이 성능향상은 8개의 프로세서에서 각 해상도에 대해 각각 6.99, 7.10으로 나타났으며 이것은 각각 87%, 88%의 높은 효율을 나타낸다. 이것은 확장성이 줗고 통신에서 낭비되는 시간이 적음을 뜻하며 느린 이더넷으로도 병렬 컴퓨터의 빠른 통신망의 克 과를 본 것이다.
- 불론 PC/워크스테이션 클러스터링은 프로세서 간의 통신 시간이 느린 것이 단점으로 지적된다. 따라서 본 논문에서는 [3] 에서 제안되고 L4, 1이에서 -L 성능을 향상시킨 압축 방법을 이용하여 전체 볼륨욜 각 프로세서의 지역 배모 리에 모두 적섀시킴으로써 프로세서 간의 통신이 필요하지 않도록 하는 방법 으코 클러스터링의 단점을 자연스럽게 보완할 수 있었다 가 프로세서는 렌더링에 팔요한 데이터를 다른 프로세서의 지역 메모리에서 가져오지 않고 자신의 지역네도리에서 睥트게 압축을 복워하■日로 빠른 렌더링 속도-뿐만 아니라 좋은 성능향상(speedup)이 가능하게 되었다. 통신량이 없으므로 PC/워크스 태이션 클러스터에서 뿐만 아니라 병렬 컴퓨터상에서도 적용이 가능하다는 득 징을 부가적으로 얻을 수 있었다.
- PC와 워크스테이션의 클러스터를 이용하는 것은 실용적인 방법이 될 수는 있으나 이들을 연결시켜주는 느린 네트워크의 속도는 많은 통신량이 필요한 일반적인 병렬 볼륨 렌더링의 구현이 불가능하다. 따라서 본 논문에서는 웨이뵬랏을 이용한 압축에 기반하여 방대한 볼륨을 모든 프로세서의 지역 네모리에 적재하는 방식으로 다른 프로세서와의 통신이 필요하지 않아 80% 이상의 고효율과 그에 따른 좋은 성능 향상 및 빠른 렌더링 시간이 가능하다는 것을 실험적으로 증명하였고 SGDVNT를 구현하여 그 실용성을 보였다. 앞으로는 압축을 하여도 지역 메모리에 적재될 수 없는 더 방대한 볼륨을 빠르게 가시화하는 방법이 연구되어야 할 것이다.
- 최소, 춰 대값을 이용한 범위 검사와 중복 복원을 피하기 위해 캐쉬불 사용하였다. 실험 결과 打 K 3에서 볼 수 있듯이 임의의 복셈에 대한 접근은 복원하는 경우가 0.55초에서 1.07초가량 늦지드!' 블록에 대한 접근 속도는 오히려 복원하는 경우가 더 빠른 것으로 나타났다[4]. 이것은 압축단위가 블록 단위이고 최소, 최대값의 범위내에 있는 블록만이 복원의 대상이기 때문에 많은 블록의 복원을 피할 수 있었으며 한번 복원한 블록은 재복원의 필요가 없었기 때문이다.
- 즉, 위 실험에서와같이 많은 양의 데이터가 느린 연결 네트워크상에서 이동되면 작업을 분산시키는 것이 이득이 없다는 결론에 이르렀다.
- 따라서 본 논문에서는 [3] 에서 제안되고 L4, 1이에서 -L 성능을 향상시킨 압축 방법을 이용하여 전체 볼륨욜 각 프로세서의 지역 배모 리에 모두 적섀시킴으로써 프로세서 간의 통신이 필요하지 않도록 하는 방법 으코 클러스터링의 단점을 자연스럽게 보완할 수 있었다 가 프로세서는 렌더링에 팔요한 데이터를 다른 프로세서의 지역 메모리에서 가져오지 않고 자신의 지역네도리에서 睥트게 압축을 복워하■日로 빠른 렌더링 속도-뿐만 아니라 좋은 성능향상(speedup)이 가능하게 되었다. 통신량이 없으므로 PC/워크스 태이션 클러스터에서 뿐만 아니라 병렬 컴퓨터상에서도 적용이 가능하다는 득 징을 부가적으로 얻을 수 있었다.
후속연구
- 따라서 본 논문에서는 웨이뵬랏을 이용한 압축에 기반하여 방대한 볼륨을 모든 프로세서의 지역 네모리에 적재하는 방식으로 다른 프로세서와의 통신이 필요하지 않아 80% 이상의 고효율과 그에 따른 좋은 성능 향상 및 빠른 렌더링 시간이 가능하다는 것을 실험적으로 증명하였고 SGDVNT를 구현하여 그 실용성을 보였다. 앞으로는 압축을 하여도 지역 메모리에 적재될 수 없는 더 방대한 볼륨을 빠르게 가시화하는 방법이 연구되어야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.