GPU Volume Rendering with Hierarchical Compression Using VDB

我们提出了一种基于压缩的方法，利用 OpenVDB 和 NanoVDB 在 GPU 上渲染大规模体数据。我们使用 OpenVDB 在主机端创建体数据的有损、固定速率压缩表示，并通过 NanoVDB 在渲染过程中实现快速、低开销且实时的解压缩。我们证明了这种方法速度较快，即使在（不连贯的）蒙特卡罗路径追踪场景中也能表现良好，能够显著降低体渲染的内存需求，并且可以几乎无缝地集成到现有的基于 3D 纹理的渲染器中作为替代方案。

论文试图解决GPU渲染大型体数据时内存占用过高的问题，尤其是在需要处理大规模、高分辨率体数据的场景中。这是一个长期存在的问题，但通过引入压缩技术来优化内存使用和渲染性能是一个新的尝试。

论文提出了一种结合OpenVDB和NanoVDB的压缩与快速解压缩方法，用于在GPU上高效渲染大型体数据。关键思路是利用OpenVDB进行主机端的固定速率有损压缩，同时借助NanoVDB实现渲染过程中的即时解压缩。这种方法不仅减少了内存需求，还保持了高性能，适用于复杂的渲染环境如蒙特卡洛路径追踪。

1. 该方法显著降低了体数据渲染的内存消耗；2. 在不损失渲染质量的情况下支持复杂场景（如蒙特卡洛路径追踪）；3. 可以轻松集成到现有的基于3D纹理的渲染器中，作为几乎无需修改的替代方案；4. NanoVDB的设计使得解压缩开销极低，适合实时应用。实验部分展示了不同场景下的性能提升，并比较了与其他压缩方法的效果。代码可能开源（需进一步确认）。未来可以探索更高压缩率下的渲染效果以及对动态体数据的支持。

近期相关研究包括：1. 'Real-time Volume Rendering with Sparse Voxel Octrees'，探讨了稀疏体素八叉树在实时渲染中的应用；2. 'Compressed Texture Streaming for Large-Scale Volumetric Data'，研究了纹理流式传输技术；3. 'Efficient GPU-based Decompression for Interactive Volume Visualization'，专注于GPU上的高效解压缩算法。这些工作主要围绕如何优化体数据的存储和渲染效率展开，而本论文的独特之处在于结合了特定的压缩格式和渲染管线。