Visualisations interactives haute-performance de données volumiques massives : une approche out-of-core multi-résolution basée GPUs

The needs for volume data visualization are common in several scientic elds, in par-ticular in bio-medical imaging. Indeed, several types of frequently used acquisition devicesgenerate scalar and vectorial elds represented as a 3D regular grid. It is important to beable to visualize interactively these volumes, in order to extract information or to vali-date experimental results. However, the increase in acquisition accuracy of these moderndevices induces an exponential growth of the amount of data. To deal with this problem,visualization algorithms must be adapted, both, to the volume of data they handle and itssteady growth. The use of GPU accelerator cards is particularly well suited to the nature ofvolume data and the associated visualization algorithms. High-performance computing en-vironments are now turning to solutions that uses a large number of such cards. These are,by their massively parallel nature, good candidates to oer high-performance visualizationsolutions. However, the amount of memory in GPUs is very limited, and is much less impor-tant than the size of the raw data of the volumes to be handled. One solution is to designout-of-core algorithms, where the computing unit is dissociated from the data storage unit.In this thesis work, we propose a complete pipeline for interactive visualization onthe GPU of very large volumes of data exceeding the physical capacities of the GPU andthe CPU memory independently of the machine used for the rendering. For this purpose,we study an out-of-core management model, based on a memory virtualization principle,particularly well adapted to very large volumes. We propose an approach that includesa virtual addressing structure, fully managed on the GPU. We are also interested in thecompatibility of this model for dierent types of volume data visualization applications.We propose a rst application that uses a virtual microscope principle to provide autoste-reoscopic 3D visualization of ultra-high resolution image stacks ; a second one that oersinteractive direct volume rendering with a ray-guided approach, showing the usability ofour out-of-core management model in hybrid, multi-GPUs, multi-CPUs high-performancecomputing environments.Les besoins en visualisation de données volumiques sont courants dans plusieurs do-maines scientiques et en particulier en imagerie médicale et bio-médicale. En eet, plu-sieurs types d'appareils d'acquisition fréquemment utilisés, génèrent des champs scalairesou vectoriels, représentés sous forme de grille régulière 3D, qu'il est important de pouvoirvisualiser de manière interactive pour en extraire des informations, ou pour valider desrésultats expérimentaux. L'accroissement de la précision d'acquisition de ces appareils mo-dernes engendre cependant une hausse exponentielle de la quantité des données générées.Les algorithmes de visualisation doivent, non seulement, faire face à cette problématiqueen s'adaptant à la volumétrie des données qu'ils manipulent, mais aussi à cette évolutionrapide. L'utilisation de cartes accélératrices de type GPU est particulièrement bien adap-tée à la nature des données volumiques et aux algorithmes de visualisation généralementassociés. Les environnements de calcul haute performance se tournent aujourd'hui vers dessolutions qui utilisent un grand nombre de ces cartes. Ceux-ci sont, par leur nature mas-sivement parallèle, de bons candidats pour proposer des solutions de visualisation hauteperformance. La quantité de mémoire des GPUs est cependant très limitée, et bien moinsimportante que les données brutes des volumes à manipuler. Une solution est alors deconcevoir des algorithmes "out-of-core", dont l'unité de calcul est dissociée de l'unité destockage des données.Dans ces travaux de thèse, nous proposons un pipeline complet permettant de visualiserde manière interactive sur GPU, de très grands volumes de données dépassant les capacitésphysiques de la mémoire du GPU et du CPU de la machine sur laquelle est réalisé le rendu.Nous étudions pour cela, un modèle de gestion "out-of-core", basé sur un principe devirtualisation de la mémoire, particulièrement bien adapté à de très grands volumes. Nousproposons une approche qui comprend une structure d'adressage virtuel, entièrement géréesur GPU. Nous nous intéressons également à la compatibilité de ce modèle pour diérentstypes d'applications de visualisation de données volumiques. Une première s'appuie surle principe de microscope virtuel pour proposer une visualisation 3D autostéréoscopiquede piles d'images ultra haute résolution. Une seconde propose un rendu volumique directinteractif par une approche "ray-guided", en montrant les capacités d'utilisation de notremodèle de gestion "out-of-core" dans des environnements de calcul haute performancehybrides, multi-GPUs, multi-CPUs