2017 Fiscal Year Research-status Report
超高精細・超広視野角3Dホログラフィック表示のための大規模ピクセル計算技術
| Project/Area Number |
17K00265
|
|---|
| Research Institution | Utsunomiya University |
|---|
Principal Investigator |
馬場 敬信 宇都宮大学, オプティクス教育研究センター, 教授 (70092616)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
大津 金光 宇都宮大学, 工学(系)研究科(研究院), 准教授 (00292574)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | ヒューマンインターフェイス / 計算機ホログラム / ギガピクセル / マルチGPUクラスタ |
|---|
| Outline of Annual Research Achievements |
ホログラフィック3Dディスプレイは、ヘッドマウントディスプレイのように特別な機器を装着することなく3D表示を実現できるため、これからのヒューマンインターフェイスとして実用化が期待されている。原理的には、3Dオブジェクトデータを入力として、コンピュータ上で対応するホログラム(Computer-generated hologram, CGH)を計算し、SLM(Spatial Light Modulator)に記憶、再生光を照射することによって再構成像を得る。本方式の実現に際しては、メガピクセルオーダの計算に数百秒掛かるなどCGHの計算コストが大きいことが課題である。
本研究では、更に高精細、広視野角の3Dディスプレイの実現を目指して、ギガピクセル規模のリアルタイム処理を目指した高速化を行っている。本年度は、マルチGPUクラスタ上に我々の提案するオブジェクト分割法を実現し、マルチコアCPUとマルチGPUを内蔵する個々のノード内の最適化、及びノード間のデータ転送の最適化を図った。特にノード内最適化に関しては、オブジェクト分割法の変更、CPU-GPU間のデータ転送量の削減、カーネル統合、ストリーム処理の活用、マルチGPUによる並列化等を行った。このコードを用いて、ギガピクセルオーダの3Dオブジェクトを入力として、ギガピクセルCGHを生成する実験を行った結果、8ノード構成において4.28秒で処理が行えることを確認した。これは、通常のCPUでFFTを用いて処理した場合と比べて、237.92倍高速となっている。これらの成果は、国内研究会で発表すると共に、国際会議において発表した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究の大きな目標であるギガピクセルレベルの3Dオブジェクトデータを処理し、これをマルチGPUクラスタ上で我々の提案するオブジェクト分割法を用いて処理することを実現するとともに、CPU上で逐次コードを使用した場合と比べて、237.92倍の高速化を達成したことによる。
|
| Strategy for Future Research Activity |
オブジェクト分割法では、ノード間転送が起きるのは最初に3Dオブジェクトデータを転送するときだけであるが、それでも最終的な処理時間の約半分を占めている。これを高速化するためには、ソフトウェアの最適化には限界があり、この先はネットワークの高性能化が必要と考えている。また、現在、入力オブジェクトとして元々の3Dオブジェクトを圧縮したものから処理を開始しているが、本来の3Dディスプレイの実現のためには圧縮前の3Dデータを圧縮するところから検討を加える必要がある。今後は、リアルタイム3Dディスプレイの実現に向けて、これらの課題に取り組む予定である。
|
| Causes of Carryover |
本研究では、既設のGPUクラスタを有効活用して、実験を実施することができたため、GPUクラスタに充てる予算を次年度に使用して、既設のGPUクラスタの課題となっている通信性能の改善に充てる予定である。
|
