CuRast: Cuda-Based Software Rasterization for Billions of Triangles

先前的研究表明，小三角形可借助计算着色器（compute shader）高效地进行光栅化。受此启发，我们进一步探索：在无需预先构建加速结构的前提下，该方法究竟能否扩展应用于海量三角形数据集？ 方法：本方案采用三级光栅化流水线：第一阶段直接对小三角形进行光栅化，并利用原子最小值操作（atomicMin）存储最近的片元（fragment）；较大的三角形则被转发至第二和第三阶段处理。 结果：CuRast 渲染包含数亿个三角形的模型时，速度较 Vulkan 提升达 2–5 倍（针对唯一实例）或最高达 12 倍（针对实例化渲染）。但对于低多边形（low-poly）网格，Vulkan 仍快一个数量级。 局限性：当前实现主要面向高密度、不透明的网格模型——这类模型通常由摄影测量法（photogrammetry）或三维重建技术生成；暂未支持混合（blending）与透明度（transparency），且对包含数千个低多边形网格的复杂场景尚缺乏高效处理能力。 未来工作：为使该技术适用于游戏开发及更广泛的应用场景，后续研究需重点开展以下三方面工作：（1）优化对包含数万个节点/网格的超大规模场景的处理性能；（2）支持分层聚类式细节层次（hierarchical clustered LOD），例如 Meshoptimizer 所生成的 LOD 结构；（3）增加对透明度的支持——该功能将单独置于一个独立阶段实现，以确保不干扰原有不透明物体光栅化的性能与效率。 源代码地址：https://github.com/m-schuetz/CuRast

如何在不预先构建加速结构（如BVH）的前提下，高效光栅化海量三角形（数亿级）——尤其针对来自摄影测量/三维重建的密集不透明网格，突破传统图形API（如Vulkan）在极端三角形数量下的性能瓶颈。

提出三级计算着色器光栅化流水线：Stage 1 用atomicMin直接光栅化小三角形（避免分支与负载不均）；大三角形分发至Stage 2（分块光栅化）和Stage 3（细粒度覆盖测试），全程无CPU干预、无加速结构构建开销；核心创新在于将‘规模扩展性’从几何处理阶段（传统管线瓶颈）转移到纯GPU计算光栅化阶段。

在数百兆三角形模型上实现比Vulkan快2–12×（取决于实例化程度）；开源完整CUDA实现（CuRast）；实验基于真实摄影测量数据集（如Sanctuary, M60 Tank）；未优化低多边形场景（<100K三角形），凸显其‘为超密网格而生’的设计定位；未来方向明确：多节点场景管理、Meshopt集群LOD集成、透明度分阶段处理。

Rasterization without Acceleration Structures (SIGGRAPH Asia 2021); Vulkan Ray Tracing and Rasterization Interop (ACM TOG 2022); Mesh Shading in DirectX 12 (Microsoft GDC 2023); GPU-Accelerated Triangle Culling via Hierarchical Z-Buffering (Eurographics 2020); CuRaster: A CUDA-Based Rasterizer for Massive Point Clouds (IEEE Vis 2021)