最近では人の肌のCG再現の精度が向上してきたので，久しぶりにデジタルコスメプロジェクトのWebページを更新しました．（既に数日前に更新しましたが...)
大学のトップページのニュースにも掲載していただきました．
これまでもちょくちょくこのブログで肌の3DCGについてはご紹介してきましたが，
現時点での中間報告も兼ねて今回の記事を書かせていただきました．
画面に写っているのは写真ではなくて，人間の肌を3DCGで再現したものです．
人間の顔をリアルタイムで3DCG生成をしている様子です．
こちらがその人間の肌を3DCGで再現した結果です．
だいぶんリアリティが向上してきています．（と自分たちでは思っています）
今回の記事が面白いと思った方は以下のボタンをクリックして下さい．
先日，新しいグラフィックスボードの記事を書きましたが，今度はGTX 460の方の報告記事です．
最近マニアックなネタが続いて申し訳ありません．
今回もまたGPU（Graphics Processing Unit)のお話です．
こちらが田中ゼミのPC内に新しく取り付けられたNVIDIA GeForce GTX460です．
こちらのGPUはグレードとしては，先日のGTX 480よりも格下になるのですが，
GPUのコアのアーキテクチャを見てみると，GTX 480が GF100コアを使っているのに対して，GTX 460はGF104コアと新しいものを採用しています．
GF104はFermiのバージョン2とも言える新しいコアだということですが...
これでどの程度の速度がでるのでしょうか？
今回は以下の条件でベンチマークテストをしてみました．
OS:FreeBSD 8.1-stable, NVIDIA driver 256.44
シェーディング言語: GLSL
ベンチマークテストをしている様子（田中ゼミで開発中のソフトウェアで3つの球体を3DCGで再現)
まず最初は，田中ゼミで開発している美術品のデジタルアーカイブシステムを使って日本刀の3DCG再現をしてみました．この場合，以下のような3DCG生成速度となりました．
前回のベンチマークテストの結果と比較して，GTX 460は，GTX 480の約2/3の速度が出ています．
旧GPU(GTX 295)のシングルGPUと比較しても約倍の速度が出ていることが分かります．
値段を考えると妥当な速度ではないでしょうか？
次にレイトレーシングシステムで3DCGの生成速度を比較してみました．
こちらは通常のGPUのグラフィックスパイプラインの処理を無視して，GPGPUとしてGPUを用いています．シェーディング言語としては，こちらもGLSLを使っていますが...
3DCGの生成速度は以下のようになりました．
前回のベンチマークテストの結果と比較して，GTX 460は，GTX 480と比較できるどころか
旧GPU(GTX 295)のシングルGPUと比較しても約半分の速度しかが出ていないことが分かります．
どうした新型！？ と，叫びたくなるような結果です．
参考までにもっと古いGPUを持ってきてベンチマークをとってみました．
さらに旧い二世代前の旧型のGPUで同様のベンチマークテスト(レイトレーシング）を行ってみると，
二世代前の，しかも低消費電力バージョンのGPUと大して変わらない結果になってしまいました．
NVIDIA GTX 460に関しては，今のNVIDIAドライバのGLSLのチューニングが甘いのか，それともGPGPUとして使うには，これが現時点での限界なのかレイトレーシング処理に関しては予想外に性能が出ない結果となりました．
本当にどうした新型！？ と，叫びたくなるような結果になりました．
今回の記事が面白いと思った方は以下のボタンをクリックして下さい．
これまで散々苦労してきた新型の３次元形状計測システムですが，やっと形状計測ができるようになりました．
これまで，ここやここでご報告したようにキャリブレーションに散々苦労してきましたが，
いろいろ試行錯誤の末，何とか無事に３次元形状計測ができるようになりました．
キャリブレーションに関しては，カメラのセッティングを調整したり，キャリブレーション用パターンのパネルの材質をスーパーファイン紙に変更したりして，微妙な調整をした結果何とかキャリブレーション画像の認識率を向上させることができました．
こちらの写真は，キャリブレーション用のパターン画像を分析して，画像認識のパラメータを調整している様子です．
こちらは液晶タッチパネルでカメラのセッティングをしている様子です．
こちらは田中ゼミでおなじみの猫の置物の形状を計測している様子です．
こちらの写真は形状計測が，初めて成功した瞬間です．
ちょっと感動でした！
さらに調子に乗ってクマも計測しました．レーザー光線を当てられたり，プロジェクタ光を当てられたりしてクマも大変です．
こちらがクマの形状計測した結果です．
これからこのシステムを使って，様々な形状計測を行っていく予定です．
何とか使えそうで助かりました．
今回の記事が面白いと思った方は以下のボタンをクリックして下さい．
田中ゼミではGPUと呼ばれるグラフィックス専用のハードウェアを使って3DCGを生成しています．
GPUそのものは，最近では特殊なものということはなく，現在市販されているPCには必ず搭載されていると考えてよいでしょう．(もちろんそれぞれ性能の差はありますが)
田中ゼミで使用するGPUは，高速かつ複雑なプログラムを実行できる高性能なものを使用しています．
今回はNVIDIA社製のGeForce GTX 480(1.5GB)と GeForce GTX 460(1GB)という最新型を導入しました．いずれも新しいFermiベースのアーキテクチャを採用しています．
こちらは今回導入したGeForce GTX 480 です．
こちらは，そのGTX480をPC本体に取りつけている様子です．ゴツいヒートパイプがその発熱量を想像させてくれます。
こちらの写真は古いGPU(GeForce GTX 295)から新しいGPU(GeForce GTX 480)に交換したところです．取り外された古いGPUは，まだ現役でも十分使える高性能なものなので他のPCに移植されます．
次にGPUのデバイスドライバをインストールしている様子です．OSはFreeBSD 8.1-stableで，ドライバのバージョンは256.44をインストールしました．
設定が全て完了したので，田中ゼミで開発しているデジタルアーカイブシステムを使って日本刀の3DCG再現をしてみました．
田中ゼミの開発中のこのシステムでベンチマークテストを行って，どれくらい3DCGの生成速度が速くなったのかを調べました．
今回，グラフィックスボードを新しくしたら，
となり，なんと！ 3倍も速くなりました．
次に田中ゼミで開発しているGPGPUによるレイトレーシングシステムでベンチマークテストを行って，どれくらい3DCGの生成速度が速くなったのかを調べました．
こちらは、より複雑な反射や透過をする物体を3DCG再現できるように昨年度の後半から田中ゼミで新しく開発を始めたソフトウェアです．
高精度に多重反射や透過処理が表現できるCGソフトウェアなのですが，複雑な計算処理を行うため高速かつ大容量のメモリを搭載したGPUを必要としています．
しかし，こちらの場合はグラフィックスボードを新しくしても，
となって20%程度しか速くなっていません．
田中ゼミで使用している古いGPU(GTX295)は２つ搭載されているうちの１個のGPUしか使っておらず十分な性能を出し切れていないので，本来であれば新しいGPU(GTX480)にすれば，もっと速くなってくれるはずでした．
この原因をいろいろ考察しました．
田中ゼミではGPGPUに関しては，GLSLという言語を使ってソフトウェア開発を行っています．
複雑な反射や透過を繰り返すようなCGを表現するためには一般的なCG生成処理ではなく，より複雑な処理が記述できるGPGPUによる処理が必要です．
しかし，本来GLSLは一般的なCG生成処理を想定しており，GPGPU処理用に使われることを，それほど想定していません．
そのため，田中ゼミで開発しているソフトウェア用に十分にチューニングできていないからだろうと推測できます．
今後，より細かい処理の記述が可能なCUDAを使用していく必要性を感じました．
※上の写真にもCUDAの入門書が写っていますが...
と，いうことでこれから現在開発中のシステムをCUDAに移植していくことになりました．
前途多難です．
今回の記事が面白いと思った方は以下のボタンをクリックして下さい．
先日，田中ゼミでは新型の３次元形状計測システムを導入したというご報告をさせていただきましたが，まだ苦戦中です．
このシステムは空間コード化法と呼ばれる方法を採用しており，プロジェクタからあるパターンを投影して，そのパターンをカメラで撮影して物体の形状を計測します．
この方法は，最初にキャリブレーションと呼ばれる事前調整が必要なのですが，それがうまくいかずに前回から苦戦しております．
キャリブレーションの精度が全然得られないどころか，そもそもキャリブレーション用の画像の認識率がもの凄く悪い．
認識率の悪さを改善すべく，みんなで様々な案を出し，試行錯誤を繰り返しながら調べています．
田中ゼミのプロジェクタは，色表現性能を向上させるために，液晶プロジェクタではなくDLPプロジェクタと呼ばれる方式のものを使用しているのですが，空間コード化法のように連続的にパターンを投影するような方式と相性が悪いのではないかということになりました．
それで，一般的な液晶プロジェクタが必要ということになり，森ゼミから液晶プロジェクタをお借りしてきました．森先生，ありがとうございました．
次に明暗の差が激しいパターン画像を撮影するためにカメラの設定を微妙に調整していきます．
こういった苦労の末，何とかキャリブレーション画像の認識率が向上してきたのですが，今度はキャリブレーション用のパターンの配置にかなり問題があることが分かりました．
この部分を改善しないとキャリブレーションの精度を向上させることができません．
それでキャリブレーション用パターンを効率よく設置するための装置をどうするか，ということで新しい計測台の設計をすることになりました．
また，ホームセンター等で材料を買ってきて自力で計測台を設計・制作しなければなりません．
なかなか手ごわいです．もうしばらく，このシステムとの苦闘は続きそうです．
今回の記事が面白いと思った方は以下のボタンをクリックして下さい．
