Strategies for efficient parallel visualization

Abstract

Visualization is a crucial tool for analyzing data and gaining a deeper understanding of underlying features. In particular, interactive exploration has shown to be indispensable, as it can provide new insights beyond the original focus of analysis. However, efficient interaction requires almost immediate feedback to user input, and achieving this poses a big challenge for the visualization of data that is ever-growing in size and complexity. This motivates the increasing effort in recent years towards high-performance visualization using powerful parallel hardware architectures. The analysis and rendering of large volumetric grids and time-dependent data is particularly challenging. Despite many years of active research, significant improvements are still required to enable the efficient explorative analysis for many use cases and scenarios. In addition, while many diverse kinds of approaches have been introduced to tackle different angles of the issue, no consistent scheme exists to classify previous efforts and to guide further development. This thesis presents research that enables or improves the interactive analysis in various areas of scientific visualization. To begin with, new techniques for the interactive analysis of time-dependent field and particle data are introduced, focusing both on the expressiveness of the visualization and on a structure allowing for efficient parallel computing. Volume rendering is a core technique in scientific visualization, that induces significant costs. In this work, approaches are presented that decrease this cost by means of a new acceleration data structure, and handle it dynamically by adapting the progressive visualization process on-the-fly based on the estimation of spatio-temporal errors. In addition, view-dependent representations are presented that both reduce the size and render cost of volume data with only minor quality impact for a range of camera configurations. Remote and in-situ rendering approaches are discussed for enabling the interactive volume visualization without having to move the actual volume data. In detail, an approach for the integrated adaptive sampling and compression is introduced, as well as a technique allowing for user prioritization of critical results. Computations are further dynamically redistributed to reduce load imbalance. In detail, this encompasses the tackling of divergence issues on GPUs, the adaptation of volume data assigned to each node for rendering in distributed GPU clusters, and the detailed consideration of the different performance characteristics of the components in a heterogeneous system. From these research projects, a variety of generic strategies towards high-performance visualization is extracted, ranging from the parallelization of the program structure and algorithmic optimization, to the efficient execution on parallel hardware architectures. The introduced strategy tree further provides a consistent and comprehensive hierarchical classification of these strategies. It can provide guidance during development to identify and exploit potentials for improving the performance of visualization applications, and it can be used as expressive taxonomy for research on high-performance visualization and computer graphics.

Visualisierung ist grundlegend für die Analyse von Daten und die Gewinnung von Einsichten in zugrundeliegende Prozesse. Insbesondere die interaktive Exploration hat sich hierbei als wertvoll erwiesen, da sie den Erwerb neuer Erkenntnisse jenseits des ursprünglichen Analysefokus erlaubt. Für die effiziente Interaktion werden jedoch schnelle Antwortzeiten auf Benutzereingaben benötigt. Diese zu gewährleisten stellt eine große Herausforderung für die Visualisierung von Daten dar, die sowohl in Größe als auch Komplexität stetig zunehmen. Dies ist die Motivation für die zunehmenden Bemühungen in den letzten Jahren hinsichtlich High Performance Visualisierung und dem Einsatz von leistungsfähigen parallelen Hardwarearchitekturen. Die Analyse und das Rendering von großen Volumen und zeitabhängigen Datensätzen stellt hier eine besondere Herausforderung dar. Trotz vieler Jahre aktiver Forschung müssen für viele Anwendungsszenarien auch heute noch maßgeschneiderte Ansätze entwickelt werden, um die effiziente explorative Analyse zu ermöglichen. Obwohl verschiedene Lösungsansätze für unterschiedliche Teilbereiche vorgestellt wurden, existiert bislang kein konsistentes Schema, das die verschiedenen Arbeiten klassifizieren, und somit auch Neu- sowie Weiterentwicklungen unterstützen kann. In dieser Dissertation werden Forschungsarbeiten vorgestellt, die die interaktive Analyse in verschiedenen Bereichen der wissenschaftlichen Visualisierung verbessern, oder gar erst ermöglichen. Es werden neue Techniken für die interaktive Analyse von zeitabhängigen Feld- und Partikeldaten eingeführt, die den Fokus sowohl auf eine hohe Aussagekraft der Visualisierung als auch eine parallelisierungsfreundliche Programmarchitektur legen. Hierbei kommt auch Volumenrendering zum Einsatz, eine grundlegende Technik in der wissenschaftlichen Visualisierung, die insbesondere bei größeren Datensätzen erhebliche Kosten verursacht. Die vorliegende Arbeit zeigt Ansätze, die diese Kosten zum einen durch die Einführung neuer Beschleunigungsdatenstrukturen verringern, und sie zum anderen durch die fehlerschätzungsbasierte Steuerung des progressiven Visualisierungsprozesses dynamisch anpassen. Zudem werden ansichtsabhängige Repräsentation vorgestellt, die sowohl die Datengröße als auch die Bilderzeugungskosten von Volumendaten reduzieren, und dabei ledigliche geringe Qualitätseinbußen für einen weiten Bereich von Kameraeinstellungen verursachen. Außderdem werden Remote und In-Situ Ansätze diskutiert, die interaktive Volumenvisualisierung ermöglichen ohne Volumendaten übertragen zu müssen. Hierfür werden unter anderem sowohl adaptives Sampling und Kompression integrativ gehandhabt, als auch die Priorisierung von zeitkritischen Teilergebnissen ermöglicht. Die Berechnungen werden zudem dynamisch verteilt, um die Ungleichheit der Lastverteilung auszubalancieren. Dies beinhaltet die Behandlung von Divergenzproblemen auf GPUs, die Anpassung der Verteilung der Bilderzeugung in GPU Clustern, und die explizite Berücksichtigung von unterschiedlichen Performanzcharakteristiken verschiedener Komponenten in heterogenen Systemen. Aus diesen Forschungsprojekten werden verschiedene Strategien zur High Performance Visualisierung extrahiert. Diese reichen von der Parallelisierung der Programstruktur über die Optimierung von Algorithmen zur effizienten Ausführung auf parallelen Hardwarearchitekturen. Diese Strategien werden in einen neu eingeführten, umfassenden und konsistenten hierarchischen Strategiebaum eingeordnet. Dieser soll als Hilfe dienen bei der Entwicklung neuer Ansätze durch die Unterstützung der Identifikation und Ausnutzung von Verbesserungspotentialen bei der Performanz von Visualisierungsanwendungen. Außerdem kann der Strategiebaum als aussagekräftige Taxonomie für Forschung und Entwicklung im Bereich von High Permance Visualisierung und Computergrafik verwendet werden.