Vollständig Programmierbare GPU-Pipelines

Moderne Computersysteme verwenden Graphikprozessoren (Graphics Processing Unit, GPU) mit enormer Rechenleistung. Allerdings hat sich die grundlegende Hardwarearchitektur der GPU seit fast 15 Jahren nicht wesentlich verändert. Eine fixe Pipeline mit einer vorgegebenen Sequenz von Stufen eignet sich nur für eine bestimmte Art von Graphikanwendung, insbesondere für Computerspiele. Mit neuen Programmiersprachen wie CUDA ist es zwar möglich, die GPU-Rechenleistung auch für andere Probleme, wie etwas Simulationsberechnungen, einzusetzen. Dieser Ansatz lässt sich aber nicht auf neue Graphik-Pipelines ausdehnen, weil bestimmte Komponenten der GPU in CUDA nicht verfügbar sind. In diesem Projekt werden wir ein neues Software-Framework entwickeln, das die fehlenden Teile einer vollständigen Graphik-Pipeline in einer GPU-Programmiersprache zur Verfügung stellt. Dies ist eine grosse Herausforderung, weil das Framework sehr effizient arbeiten muss, um mit der normalen, hardwareunterstützen Pipeline konkurrieren zu können. Wir können aber die bessere Flexibilität einer Implementierung in Software nutzen, um ein konkurrenzfähiges Framework zu erstellen. Wichtiger als die Effizientzfrage ist aber, dass wir das neue Softwareframerwork für Graphik-Pipelines dazu nutzen können, die Beschränkungen der normalen Graphik-Pipeline zu überwinden. Beispielsweise können wir den gewöhnlichen, rechteckigen Bildschirmspeicher durch eine neue, effiziente, unregelmässige Strutur ersetzen. Außerdem können wir die regelmäßigen Abtastmuster für Pixel durch unregelmässige ersetzen, die sich besser für neue Virtual Reality-Geräte wie das Oculus Rift eignen.

Echtzeitrendering ist nicht nur in der Unterhaltungsbranche wichtig, sondern für alle Arten von visuellen Anwendungen, wie z. B. Visualisierung medizinischer Daten, Simulationen, in der Lehre oder Architektur. Die Echtzeitrenderingpipeline ist typischerweise an effiziente Hardware gebunden, d. H. die Grafikkarte (GPU). Während eine enge Kopplung an eine Hardwarearchitektur eine hohe Leistung und Energieeffizienz ergibt, wird die Flexibilität geopfert. Daher ist es nicht verwunderlich, dass sich die Echtzeitrenderingpipeline seit Einführung programmierbaren Shader kaum geändert hat. Dieses unflexible Design schränkt die Forschung und Entwicklung neuer Renderingarchitekturen ein. Jeder neuartige Renderingansatz, der nicht der vordefinierten Pipeline folgt, ist zum Scheitern verurteilt, da er niemals mit Ansätzen konkurrieren kann, die zur Hardwarepipeline passen. In diesem Projekt haben wir gezeigt, dass Renderingpipelines in einem vollständigen Softwareansatz ausgeführt werden können. Um dieses Ergebnis zu erzielen, ist ein effizientes dynamische Scheduling der Pipelinestufen unerlässlich. Beim Scheduling müssen mehrere Kompromisse berücksichtigt werden, z. B. das Generieren von Parallelität und das Kompakthalten der Daten. Unter Berücksichtung dieser Kompromisse und durch die Erarbeitung von Lösungen für allgemeine Schedulingprobleme haben wir eine vollständige Streamingrenderingpipeline generiert, deren Leistung der Hardwarepipeline nahekommt aber gleichzeitig beispiellose Flexibilität bietet. Mit diesem Ansatz können neuartige Renderingalgorithmen leicht konzipiert werden. Außerdem konnten wir zeigen, dass kleine Änderungen an der Pipeline die Renderqualität und Rendergeschwindigkeit nachhaltig beeinflussen können. Unser Ansatz ermöglicht es nicht nur die Renderingpipeline anzupassen, sondern auch mit alternativen Hardwaredesigns zu experimentieren und völlig neue Renderingpipelines zu konzipieren. Zum Beispiel haben wir eine Pipeline zum hocheffizienten Rendern von Vektorgrafiken vorgestellt. Vektorgrafiken kommen z. B. beim Rendern von Schriftarten und auf Websites zum Einsatz. Dieser Ansatz übertrifft nicht nur die neuesten hardwaregestützten Renderingmethoden, sondern erzielt auch eine deutlich bessere Qualität. Ein weiteres Beispiel für die Vorteile unseres Konzepts ist die Anwendung für Virtual Reality Brillen, wo wir die wahrgenommene Latenz erheblich reduzieren und damit das Auftreten der "VR Krankheit" vermeiden konnten. Außerdem haben wir unsere Schedulingansätze auf andere Forschungsbereiche erweitert: linear Algebra von dünnbesetzten Matrizen (z. B. für die Materialsimulation), Berechnungen auf dynamischen Graphen (z. B. für große sozialen Netzwerke oder in der Netzverarbeitung), und Freiformflächendarstellung (z. B. für die Filmindustrie). In allen Bereichen konnten wir den bisherigen Stand der Technik klar übertreffen. Diese überraschenden Ergebnisse zeigen, dass fortschrittliche, adaptive Schedulingstrategien das Potenzial haben, Lösungen für verschiedenste Forschungsdomänen zu liefern.