raymarching可以在SIMD架构下加速吗？

Question

答案似乎是否定的，因为光线行进是高度有条件的，即每条光线都遵循唯一的执行路径，因为在每一步，我们都会检查不透明度、终止等，这些都会根据单独光线的方向而变化。

因此，SIMD似乎在很大程度上无法加速这一过程；相反，需要MIMD来加速。

这有意义吗？或者我是否遗漏了什么？

Answer 1

如前所述，您可能会通过使用SSE指令实现向量数学来获得加速(请注意here讨论的效果-也适用于其他方法)。这种方法将使代码保持简洁和可维护。

然而，我假设您的问题是关于“数据包遍历”(或类似的东西)，换句话说，处理不同光线的多个标量值：

原则上，应该可以将着色推迟到另一个过程。一旦裸行军通道终止，SIMD分组就可以用新的光线重新填充，并且临时结果被存储为阴影通道的输入。这将允许并行化特定的、依赖于大小写的百分比的代码来分解所有四个SIMD通道。平铺图像并以Morton顺序索引其中的光线可能也是一个好主意，以避免缓存压力(除非您的几何体是严格的程序)。

除非你试一试，否则你不会知道它是否值得。我的猜测是，如果是这样的话，加速的数量可能不值得只有四个通道的复杂代码。

您是否考虑过使用SIMT架构，例如可编程GPU？最新的可编程图形板允许您以交互速率执行光线行进(请参阅在浏览器here中发生的情况)。

Answer 2

前几天，我为menger海绵构建了一个基于软件的raymarcher。当时没有使用SIMD，我也没有使用特殊的算法。我只是在X和Y中跟踪从-1到1，这是目标纹理的U和V。然后我得到了一个相机位置和一个目的地，我用它来计算光线行进的增量向量。

之后，我使用一个常量的迭代值来执行，其中只有一个分支决定是否与分形体积相交。所以如果我的相机眼睛是E，我的方向向量是D，我必须找到最小的t，如果我找到了，或者达到了最大距离，我就中断循环。最后，我得到了t-由此我计算出了碎片的颜色。

在我看来，应该可以通过SSE1/2并行化这些操作，因为可以通过将向量(__m64 / __m128)中的字段设为空来解决分支问题，因此进一步的单指令多路运算在这里将不适用。这真的取决于你是什么光线行进/投射，但如果你只是计算一个函数的碎片颜色(就像我这里的分形曲线)，而不是非线性地访问内存，有一些技巧可以实现。

当然，这个答案包含了一些猜测，但是当我将这个例程并行化后，我会通知你。

Answer 3

例如，只有在SSE的范围内，你才能并行地对向量进行操作。