Итоги конкурса CUDA

1-ое место — Arkady, работа «LINZIK»

Комментарии:
Программа Linzik написана на Дельфи. Собственно трассирование лучей вынесено в две библиотеки: accel.dll — для CPU (компилятор Intel C) и runcuda.dll — для CUDA-совместимых устройств (компиляторы NVCC + VC8).

Данные оптических поверхностей, список длин волн и данные решетки лучей передаются с хоста в память __constant__, каждому лучу соответствует своя нить, которая оставляет в глобальной памяти значение float2 — координату прохождения луча через фокальную плоскость. Количество блоков равно количеству мультипроцессоров.

Были определенные опасения, что точность расчетов с float будет не всегда достаточной. Но к счастью, формулы Федера терпимо относятся к float, хотя и видно, как оптимизатор иногда «пробуксовывает» в тех местах, где целевая функция пологая. Для глобального же поиска float подходит отлично. В настоящее время готова версия Linzik для double, испытания на GTX 260 показал результаты практически идентичные получаемым на CPU. Скорость функций [nv_...] при этом снижается примерно вдвое, но тем не менее, CUDA и в этом случае радикально быстрее.

2-ое место — Synapse, работа «Cистема наблюдения»

Комментарии:
CUDA — эта та технология которая развязала мне руки для моих ресурсоемких разработок, что она позволила мне сделать? благодаря этой технологии я смог реализовать обработку в реальном времени видео с нескольких видеокамер.

Теперь я могу использовать интеллектуальный детектор движения, могу находить на видео оставленные предметы, могу классифицировать объекты, могу анализировать траектории движения объектов... Причем это не просто домашние разработки, мы уже ставим сервера с новыми видеокартами NVIDIA и нашими разработками на CUDA. CUDA позволила мне сделать прорыв в системах интеллектуального видеонаблюдения!

3-е место — FROL, работа «Ray-tryacer»

Комментарии:
Я занимаюсь трассировщиком в лаборатории компьютерной графики и мультимедиа ВМиК МГУ (http://graphics.cs.msu.ru/index.html.ru), в качестве курсовой работы. Свежую инормацию о движке можно найти здесь: http://ray-tracing.ru/articles163.html. Мы создаем библиотеку, аналогичную по функциональности OpenGL, но получающую изображение с помощью трассировки лучей. Также, мы собираемся добавить в нее рассчет фотонных карт. С нашей библиотекой программисты смогут легко создавать свои собственные программы на Realtime Ray Tracing. CUDA позволила мне меньше чем за 10 месяцев при интенсивной учебе запрограммировать интерактивный трассировщик лучей на GPU, использующий kd-дерево в качестве ускоряющей структуры. Особенно пригодилась возможность отлаживать код на эмуляторе.

Также очень важно, что разработчики nvcc стараются поддерживать С++ в полной мере. В CUDA можно использовать метапрограммирование на шаблонах, что дало мне возможность перенести огомную часть своего старого кода с минимальными изменениями. Более того, результатом этого стала CPU/GPU переносимая мат. библиотека, в которой один и тот же код может использоваться как на CPU так и на GPU. Это избавило меня от необходимости дублирования кода, чего не избежать при программировании на шейдерах (или бруке).