Intel publizéiert Open Image Denoise 2.0 Image Denoise Library

Intel huet d'Verëffentlechung vum oidn 2.0 (Open Image Denoise) Projet publizéiert, deen eng Sammlung vu Filtere entwéckelt fir d'Biller ze denoiséieren, virbereet mat Ray Tracing Rendering Systemer. Open Image Denoise gëtt als Deel vun engem gréisseren OneAPI Rendering Toolkit Projet entwéckelt fir wëssenschaftlech Software Visualiséierungsinstrumenter (SDVis (Software Defined Visualization)) z'entwéckelen, dorënner d'Embree Ray Tracing Bibliothéik, de GLuRay photorealistesche Rendering System, d'OSPRay verdeelt Ray Tracing Plattform , an den OpenSWR Software Rasteriséierungssystem De Code gëtt an C++ geschriwwen an ënner der Apache 2.0 Lizenz publizéiert.

D'Zil vum Projet ass qualitativ héichwäerteg, effizient an einfach ze benotzen denoising Features déi applizéiert kënne ginn fir d'Qualitéit vun de Ray Tracing Resultater ze verbesseren. Déi proposéiert Filteren erlaben, baséiert op dem Resultat vun engem verkierzte Strahlen-Tracing-Zyklus, e finalen Qualitéitsniveau ze kréien, dee vergläichbar ass mat dem Resultat vun engem méi deier an Zäitopwendende Prozess vun der detailléierter Rendering.

Open Image Denoise filtert zoufälleg Geräischer wéi Monte Carlo Numerical Integration (MCRT) Ray Tracing. Fir qualitativ héichwäerteg Rendering an esou Algorithmen z'erreechen, ass d'Tracing vun enger ganz grousser Zuel vu Strahlen erfuerderlech, soss erschéngen bemierkbar Artefakte a Form vun zoufälleger Kaméidi am entsteet Bild.

D'Benotzung vun Open Image Denoise erlaabt Iech d'Zuel vun néideg Berechnungen duerch e puer Uerden vun Gréisst ze reduzéieren wann all Pixel Berechnung. Als Resultat ass et méiglech en ursprénglech Kaméidi Bild vill méi séier ze generéieren, awer et dann op eng akzeptabel Qualitéit ze bréngen mat Hëllef vu schnelle Kaméidi Reduktioun Algorithmen. Mat der entspriechender Ausrüstung kënnen déi proposéiert Tools souguer fir interaktive Strahlentracing mat on-the-fly Geräischer Eliminatioun benotzt ginn.

D'Bibliothéik kann op verschiddene Klassen vun Apparater benotzt ginn, vu Laptops a PCs bis Noden a Cluster. D'Implementatioun ass optimiséiert fir verschidde Klassen vu 64-Bit Intel CPUs mat Ënnerstëtzung fir SSE4, AVX2, AVX-512 an XMX (Xe Matrix Extensions) Instruktiounen, Apple Silicon Chips a Systemer mat Intel Xe GPUs (Arc, Flex a Max Serie), NVIDIA (baséiert op Volta, Turing, Ampere, Ada Lovelace an Hopper Architekturen) an AMD (baséiert op RDNA2 (Navi 21) an RDNA3 (Navi 3x) Architekturen). Ënnerstëtzung fir SSE4.1 gëtt als Minimum Ufuerderung deklaréiert.

Intel publizéiert Open Image Denoise 2.0 Image Denoise Library
Intel publizéiert Open Image Denoise 2.0 Image Denoise Library

Schlëssel Ännerungen an der Verëffentlechung vun Open Image Denoise 2.0:

  • Поддержка ускорения операций подавления шума, используя GPU. Реализована поддержка выноса вычислений на сторону GPU при помощи систем SYCL, CUDA и HIP, которые можно использовать с GPU на базе архитектуры Intel Xe, AMD RDNA2, AMD RDNA3, NVIDIA Volta, NVIDIA Turing, NVIDIA Ampere, NVIDIA Ada Lovelace и NVIDIA Hopper.
  • Добавлен новый API для управления буфером, позволяющий выбирать тип хранилища, копировать данные с хоста и импортировать внешние буферы из графических API, таких как Vulkan и Direct3D 12.
  • Добавлена поддержка асинхронного режима выполнения (функции oidnExecuteFilterAsync и oidnSyncDevice).
  • Добавлен API для отправки запросов присутствующим в системе физическим устройствам.
  • Добавлена функция oidnNewDeviceByID для создания нового устройства на основе идентификатора физического устройства, например, UUID или адреса PCI.
  • Добавлены функции для организации переносимости с SYCL, CUDA и HIP.
  • Добавлены новые параметры проверки устройств (systemMemorySupported, managedMemorySupported, externalMemoryTypes).
  • Добавлен параметр для задания уровня качества работы фильтров.

Source: opennet.ru

Setzt e Commentaire