Earticle

초록

한국어

대용량 지형을 실시간에 렌더링하기 위해서 많은 GPU기반의 상세단계 기법들이 연구되었다. 기존의 연속상세단계 기법들은 지형을 오차 없이 단순화 하기 위해서 전처리 과정을 통해 트리구조나 이미지 피라미드를 생성하고 그것들을 활용하여 메쉬를 재구성 하였다. 본 논문에서는 이러한 전처리 과정 없이 최근에 소개된 GPU에 추가된 테셀레이션 단계를 이용한 가속화 기법으로 오차없이 지형을 효과적으로 렌더링 할 수 있는 연속 상세단계 기법을 제안한다. 이 방법은 효과적으로 GPU에서 시각 절두체 선별과 메쉬의 세분화를 수행하며, GPU로 재구성된 메쉬를 업로드 해야하는 기존 방법에 비하여 폴리곤 갯수가 현저하게 적은 기저 메쉬만 업로드 한 후 GPU에서 세분화하므로 전송되는 데이터량을 기존의 방법들에 비해 줄여 처리 시간을 단축시켰다. 또한 지형을 이루는 각 격자들의 길이를 이용하여 테셀레이션 인자를 정하기 때문에 기존 방법들에서 나타나는 크랙이 발생하지 않는다. 따라서 크랙제거를 따로 수행할 필요가 없으므로 처리 시간을 단축시킬 수 있다.

영어

A variety of GPU-based level-of-detail methods have been introduced for rendering massive terrain data in realtime. Previous CLOD (Continuous Level-of-Detail) methods generate tree structures or image pyramids in order to simplify the input data with very little errors in preprocessing step. Then they reconstruct terrain meshes using those data structures. We propose an accelerated CLOD method that efficiently generates terrain images without geometric errors using tessellation stage equipped in modern GPUs without any preprocessing. It performs view frustum culling and mesh tessellation in GPU. Unlike the previous methods which upload reconstructed meshes into GPU in every frame, it can reduce rendering time since it only transfers basis mesh of which the number of polygons is very smaller than entire mesh. Also it does not produce cracks that are commonly observed in the previous methods since it uses tessellation factor as the length of grids which comprise target terrain. It reduces rendering time additionally since there is no crack removal stages.

목차

요약
 Abstract
 1. 서론
 2. 영상물의 유해성 및 등급판정 전략
  2.1 영상물의 생성과 소비에 대한 문화산업적 관점의 분석
  2.2 영상물 자동 분석 및 분류의 필요성
  2.3 내용기반 탐색 기술을 이용한 영상물 자동분석 방법 구축전략
  2.4 생체정보와 휴먼팩터를 바탕으로 한 유해 영상물자동 분류 방법 구축전략
  2.5 디지털 영상물의 등급판정용 레퍼런싱을 위한 데이터베이스화 방법 제시
  2.6 전체 시스템 구축 및 효율적 운용을 위한 제언
 3. 결론
 참고문헌

저자

• 김재하 [ Jae-Ha Kim | 서울예술대학교 영상학부/디지털아트전공 ]

참고문헌