Massively Parallel Path Space Filtering
出于性能原因，将路径追踪限制为每像素少量路径很少能为感兴趣的场景实现令人满意的图像质量。然而，路径空间过滤可以通过跨被分类为邻近的路径的顶点共享信息来显著地改善视觉质量。与基于屏幕空间的方法不同，这些路径既不需要出现在屏幕上，过滤也不限于与场景的第一个交叉点。虽然搜索邻近顶点比在屏幕空间中过滤更昂贵，但通过在哈希表中存储、更新和查找所需信息，我们大大改善了这种性能损失。这些键是从抖动和量化的信息中构造的，因此只有一个查询很可能取代昂贵的邻域搜索。该算法的大规模并行实现上的图形处理单元（GPU）。
2021-02-03 cs.GR
RTPD: Penetration Depth calculation using Hardware accelerated Ray-Tracing
提出一种利用现代GPU光线追踪核心（RT-cores）的穿透深度计算新算法，通过光线追踪提取穿透表面并计算Hausdorff距离，在RTX GPU上测试显示比现有方法和传统GPU实现分别快37.66倍和5.33倍。
2025-02-18 cs.GR
Path Guiding for Wavefront Path Tracing: A Memory Efficient Approach for GPU Path Tracers
提出首个集成到 WFPT 的 GPU 友好路径引导算法，通过单个全局 SVO 存储辐射出射度并即时生成概率密度函数，在降低持久内存占用的同时保持相近或更好的渲染效果。
2024-05-11 cs.GR
Massively-Parallel Implementation of Inextensible Elastic Rods Using Inter-block GPU Synchronization
本研究基于块间GPU同步实现了CoRdE弹性杆模型及其不可伸长变体的大规模并行模拟，大幅提升计算速度，可支持心血管场景下导管导丝的触觉级实时仿真。
2025-09-04 cs.DC cs.GR
CrossRT: A cross platform programming technology for hardware-accelerated ray tracing in CG and CV applications
提出CrossRT跨平台编程技术，通过硬件无关的C++算法描述自动生成硬件加速代码，支持软件回退和多kernel路径追踪，在多种任务上性能与专家手写实现相当并优于现有路径追踪实现。
2024-09-19 cs.GR
Massively Parallel Construction of Radix Tree Forests for the Efficient Sampling of Discrete Probability Distributions
我们比较了不同的离散概率分布采样方法，并介绍了一种新的算法，这是特别有效的大规模并行处理器，如GPU。该方案保留了输入序列的分布特性，平均暴露恒定的时间复杂度，并显着降低了某些分布的平均操作数时，采样是在一个并行算法，需要同步后执行。避免了朴素方法的负载均衡问题，补充了所需辅助数据结构的非常有效的大规模并行构造算法。
2019-08-30 cs.DC cs.GR
Adaptive Tetrahedral Grids for Volumetric Path-Tracing
本研究提出将最长边对分算法构建的自适应四面体网格用于体路径追踪，设计了适配GPU的优化算法与数据结构，实现最高30倍于规则网格的性能，支持生产级资源的实时渲染。
2025-06-13 cs.GR
Rethinking Collision Detection on GPU Ray Tracing Architecture
Purdue University（普渡大学）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）；University of Washington（华盛顿大学）
本文提出Mochi方法，通过利用碰撞关系的对称性，高效支持均匀和非均匀球形粒子的碰撞检测，改进了传统BVH结构在处理不同半径粒子时的性能问题。
2026-04-26 cs.GR
Exploiting ray tracing technology through OptiX to compute particle interactions with cutoff in a 3D environment on GPU
本研究提出利用GPU的光线追踪技术计算3D环境中带截断的粒子相互作用，无需构建单元网格或显式kd树即可实现准线性复杂度，虽当前性能多数情况下不及经典网格方法，但为相关研究提供了新思路。
2024-12-16 cs.DC cs.GR
Megakernel vs Wavefront GPU Path Tracing
University of Utah（犹他大学）
本文比较了前向路径追踪（PT）和波前路径追踪（WPT）在GPU上的性能，发现WPT通过改善缓存局部性实现了约16%的加速，并分析了限制因素。
2026-05-26 cs.AR cs.GR cs.PF
Ray Tracing using HIP
Advanced Micro Devices, Inc.（超威半导体公司）
本报告介绍使用 HIP 框架加速 GPU 光线追踪计算，展示 HIPRT 框架的使用方法及 AMD GPU 的硬件特性。
2026-02-27 cs.GR
RTNN: Accelerating Neighbor Search Using Hardware Ray Tracing
邻域搜索在物理模拟、计算机图形学等许多工程和科学领域都有着重要的应用。本文提出将邻域搜索公式化为光线追踪问题，并利用最近GPU中的专用光线追踪硬件进行加速。我们表明，一个天真的映射下利用光线追踪硬件。我们提出了两个性能优化，查询调度和查询分区，驯服效率低下。实验结果表明，2.2倍-65.0倍的加速比现有的邻居搜索库的GPU上。该代码可在https://github.com/horizon-research/rtnn上获得。
2022-03-09 cs.DC cs.GR
Data Parallel Path Tracing in Object Space
我们研究了以数据分布式方式使用完整的路径追踪渲染生产风格内容的概念-也就是说，使用多个协作节点和/或GPU，每个节点和/或GPU仅存储模型的一部分。特别是，我们提出了一种新的方法来跟踪不同节点/GPU上的光线，改进了传统的空间分区，可以支持对象空间和空间分区（或其任何组合），并启用多种技术来减少通过网络发送的光线数量。我们表明，这种方法可以处理不同种类的模型划分策略，并最终可以呈现非平凡的模型与完整的路径追踪，即使在相当温和的硬件资源，而低端互连。
2022-04-21 cs.DC cs.GR
Point Containment Queries on Ray Tracing Cores for AMR Flow Visualization
现代GPU配备专用硬件来执行光线/三角形相交和包围体层次（BVH）遍历。虽然这种硬件的主要用途是逼真的3D计算机图形，但通过仔细的算法设计，科学家也可以使用这种专用硬件来加速通用计算，如点包含查询。本文解释了这些技术背后的原理，以及它们在使用粒子跟踪的大型模拟数据的矢量场可视化中的应用。
2022-02-24 cs.GR
Compact Tetrahedralization-based Acceleration Structure for Ray Tracing
我们提出了一个紧凑和高效的四面体网格表示，以提高光线跟踪性能。我们重新排序四面体网格数据使用空间填充曲线，以提高缓存的局部性。最重要的是，我们提出了一个有效的光线遍历算法。我们提供了常见的光线追踪操作的细节四面体网格，并给出我们的遍历方法的GPU实现。我们通过一系列综合实验来证明我们的发现。我们的方法优于现有的四面体网格为基础的遍历方法，并产生可比的结果的遍历方法的基础上的最先进的加速结构，如k维（k-d）树和包围体层次结构（BVH）。
2021-03-03 cs.GR
Arkade: k-Nearest Neighbor Search With Non-Euclidean Distances using GPU Ray Tracing
提出Arkade方法，利用GPU光线追踪硬件，通过两种归约将非欧几里得距离kNN搜索转化为欧几里得距离形式，实现1.6-200倍加速。
2024-04-21 cs.DC cs.GR cs.PF
Accelerating Probabilistic Volumetric Mapping using Ray-Tracing Graphics Hardware
Ewha Womans University（梨花女子大学）
概率体积映射（PVM）表示用于自主机器人导航任务的3D环境地图。一个流行的实现，如Octomap，广泛用于机器人社区。八叉映射依赖于八叉树来表示PVM，其主要瓶颈在于大量射线拍摄以确定底层体素网格的占用。在本文中，我们提出了基于GPU的光线拍摄，以大幅提高光线拍摄性能的Octomap。我们的主要想法是基于使用最近的光线追踪RTX GPU，主要是为实时照片逼真的计算机图形和附带的图形API，称为DXR设计的。我们的射线拍摄首先将给定八叉树中的叶级体素映射到一组轴对齐的边界框（AABB），并使用GPU对其进行大规模并行射线拍摄以找到空闲和占用的体素。这些被反馈到CPU以更新体素占用并重构八叉树。在我们的实验中，我们观察到使用光线追踪RTX GPU的光线拍摄性能比最先进的Octomap CPU实现提高了三个数量级以上，其中基准测试环境包括超过77 K的点和25 K ~ 34 K的体素网格。
2020-12-02 cs.GR cs.RO
Stochastic Ray Tracing of Transparent 3D Gaussians
针对透明 3D 高斯渲染的排序与硬件成本问题，本文提出单次遍历、随机接受交点的无偏随机光线追踪方法，可在低端 GPU 上高效集成至路径追踪框架。
2025-06-09 cs.GR
Ray Tracing Structured AMR Data Using ExaBricks
结构化自适应网格细化（Structured Adaptive Mesh Refinement，简称AMR）使仿真能够调整域分辨率以节省计算和存储，并已成为科学仿真使用的主要数据表示之一;然而，有效地渲染此类数据仍然是一个挑战。我们提出了一种有效的方法，体和等值面光线追踪的结构化AMR数据的GPU配备的工作站上，使用两种不同的数据结构的组合。这些数据结构一起允许基于光线追踪的渲染器快速确定沿着光线的哪些段需要被积分以及以什么频率积分，同时还提供对平滑样本重构内核所需的所有数据值的快速访问。我们的方法利用RTX光线追踪硬件进行表面渲染、光线行进、空间跳跃和自适应采样;并允许交互式更改传递函数和隐式等值面阈值。我们证明，我们的方法实现了高性能，内存开销很小，使交互式高质量的绘制复杂的AMR数据集在个人GPU工作站。
2020-09-07 cs.DS cs.GR
Accelerating Java Ray Tracing Applications on Heterogeneous Hardware
本文提出一个完全用Java编写的硬件加速光线追踪引擎，通过TornadoVM利用GPU性能，实现实时渲染，在720p、1080p和4K下分别达到234、152和45帧每秒。
2023-05-01 cs.DC cs.GR
On-the-fly Vertex Reuse for Massively-Parallel Software Geometry Processing
由于计算模式执行的高度灵活性，计算模式渲染对于非标准渲染应用变得越来越有吸引力。这些新设计的流水线通常包括流顶点和几何处理阶段。在典型的三角形网格中，相同的变换顶点在渲染期间平均需要六次。为了避免冗余计算，传统上建议使用后变换缓存来重用顶点处理结果。然而，传统的缓存既不能随着硬件变得更加并行而很好地扩展，也不能在软件设计中有效地实现。我们研究替代策略重用顶点着色结果的大规模并行软件几何处理的飞行。在数据输入流上形成静态和动态映射，我们分析了基于排序、散列和高效的线程组内通信识别潜在本地重用的有效性。总之，我们提出了四个顶点重用策略，适合现代并行架构。我们的模拟表明，我们的基于批处理的策略显着优于并行缓存的重用。在实际的GPU硬件上，我们的评估表明，我们的策略不仅可以很好地重用处理结果，而且与在各种实际应用中天真地忽略重用相比，还可以通过$2-3\times$提高性能。
2018-05-22 cs.DC cs.GR
Multi-GPU Accelerated Multi-Spin Monte Carlo Simulations of the 2D Ising Model
现代图形处理单元（GPU）能够以低成本执行大规模并行科学计算。本文将棋盘格算法推广到二维伊辛模型[T. Preis等人，J.Comp.Phys.228，4468（2009）]，以克服单个GPU的存储器限制，这使得我们能够模拟明显更大的系统。使用多自旋编码技术，与采用多自旋编码的优化的单个中央处理器（CPU）核心实现相比，我们能够将单个GPU上的模拟加速高达35倍。通过在CPU级别上将计算统一设备架构（CUDA）与消息解析接口（MPI）相结合，单个Ising lattice可以由GPU集群并行更新。对于大型系统，计算时间几乎与所使用的GPU数量成线性关系。作为概念的证明，我们使用有限尺寸标度技术再现了2D伊辛模型的临界温度。
2010-07-21 cs.GR math-ph math.MP
