TGViewer
Институт ИИ МГУ Институт ИИ МГУ @iai_msu · 1.26K subscribers
Post #252 800
Ученые Института ИИ МГУ ускорили рендеринг NURBS-моделей CAD до 20 раз

Научная группа Нейронного и обратного рендеринга (НИОР) Института ИИ МГУ представила новый метод трассировки лучей для сложных NURBS-поверхностей высокой степени, используемых в промышленных CAD-системах.

Метод предназначен для рендеринга огромных инженерных сцен прямо по исходной параметрической геометрии (без превращения в треугольные сетки) и позволяет визуализировать сцены из десятков миллионов NURBS-поверхностей в реальном времени — например, 55 млн инстансов при 160 FPS на RTX 4090.

Существующие подходы либо тесселируют NURBS в полигональные сетки заранее, что приводит к экспоненциальному росту памяти и I/O-нагрузке, либо трассируют поверхности аналитически, но упираются в O(n²) стоимость вычисления полиномов Бернштейна на высоких степенях. Это ограничивает применение точного рендеринга и обратного проектирования/обучения (т.е. оптимизации представленяи по данным) геометрии для крупных промышленных моделей.

В новой работе исследователи предложили три улучшения:
🔹приведение NURBS произвольной степени к бикубическим рациональным патчам Безье с контролируемой погрешностью (O(1) вместо O(n²))
🔹ориентированные ограничивающие боксы вокруг патчей в листьях BVH
🔹кэширование начального приближения для метода Ньютона. В результате метод обошёл базовый подход Sloup & Havran в 2–3 раза в среднем и до 20 раз на моделях высокой степени, при этом заняв меньше памяти на том же уровне качества, чем полигональная трассировка.

«Аналитическая трассировка лучей позволяет напрямую предсказывать потребление памяти по порогу ошибки ещё до начала рендеринга — качество и память не зависят от размера сцены и числа треугольников»

— отмечают авторы работы.

Разработка может применяться в задачах обратного проектирования (reverse engineering) CAD: для быстрой фотореалистичной визуализации отсканированных или восстановленных NURBS-моделей без промежуточной тесселяции, что критично при реконструкции геометрии из облаков точек или чертежей; для интерактивной проверки точности восстановленной поверхности за счёт прямого сравнения с исходным CAD-объектом на уровне патчей; а также для интеграции в PLM/CAD-платформы, где нужно рендерить и инспектировать массивные сборки высокой степени детализации без потери точности на стыках и силуэтах.

Прочитать подробнее: работа опубликована на SIGGRAPH Posters 2026, DOI: 10.1145/3799825.3818736. Посмотреть постер можно по ссылке.
  • 👍 5
  • 🔥 5
More from @iai_msu
  1. Sep 21, 2026Ученые Института искусственного интеллекта МГУ помогли выяснить, как препарат от рецидивир…
  2. Sep 18, 2026Приглашаем на Открытый лекторий «Создавая будущее: границы человеческого» Как человеку ост…
  3. Sep 17, 2026Институт ИИ МГУ на интенсиве «ГорИИзонты» Руководитель лаборатории «Машинное обучение и се…
  4. Sep 15, 2026Ученые Института ИИ МГУ совместно с партнёрами создали энергоэффективный нейроморфный конт…
  5. Sep 15, 2026Нейросеть как новый читатель: что будет с классикой в эпоху ИИ 4 сентября в рамках Московс…
  6. Sep 7, 2026Учёные Института ИИ МГУ — в первом в России документальном киберсериале «ИИ Будущего» На о…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →