Portal Domínio Público - Biblioteca digital desenvolvida em software livre  
Missão
Política do Acervo
Estatísticas
Fale Conosco
Quero Colaborar
Ajuda
 
 
Tipo de Mídia: Texto
Formato:  .pdf
Tamanho:  765,70 KB
     
  Detalhe da ibra
Pesquisa Básica
Pesquisa por Conteúdo
Pesquisa por Nome do Autor
Pesquisa por Periodicos CAPES
 
     
 
Título:  
  Renderizador paralelo eficiente em grandes resoluções com dados não estruturados em clusters de multicore
Autor:  
  Bernardo Bulgarelli Labronici   Listar as obras deste autor
Categoria:  
  Teses e Dissertações
Idioma:  
  Inglês
Instituição:/Parceiro  
  [cp] Programas de Pós-graduação da CAPES   Ir para a página desta Instituição
Instituição:/Programa  
  UFF/COMPUTAÇÃO
Área Conhecimento  
  CIÊNCIA DA COMPUTAÇÃO
Nível  
  Mestrado
Ano da Tese  
  2010
Acessos:  
  448
Resumo  
  Visualização em tempo real de grandes massas de dados não estruturadas necessitam de grande poder computacional e banda de memória. Muitas soluções de algoritmos paralelos foram propostos para lidar com a complexidade computacional dos cálculos de intersecção célula-raio. Entretanto, a maioria não é capaz de prover taxas de renderização próprias para a interatividade, devido ao overhead gerado pela solução paralela. Este trabalho estuda a fundo os componentes do overhead de um algoritmo de renderização paralela, identificando os gargalos e sugerindo modificações no algoritmo a fim de se obter eficiência e escalabilidade. Nosso algoritmo é baseado no algoritmo de raycast com paralelização dos dados. Utilizamos uma decomposição adaptativa dos tiles e estratégia de distribuição dos mesmos, um método paralelo para se encontrar o ponto de entrada dos raios na massa de dados e codificação da imagem para a gravação/envio das sub-imagens. O algoritmo alcançou ganhos significantes em termos de balanceamento de carga e significante redução nos overheads da paralelização de imagens de grande resolução. Os resultados de speedup confirmam o potencial do algoritmo para renderizar eficientemente grandes massas de dados.
     
    Baixar arquivo