En jämförelse av Path Tracing prestanda på FPGA och GPU

Ray Tracing algorithms have long been the popular choice for rendering realistic images, and in recent years they have also reached the field of real time computer graphics. Although their performance has seen great improvement, they are still very computationally costly to perform, both in terms of time and power. Improving their performance and efficiency is therefore a very relevant field of research, to improve current applications and open up new possibilities for the future. In this degree project we have focused on implementing a ray tracing algorithm called Path Tracing on an Field Programmable Gate Array (FPGA), a type of reconfigurable hardware. FPGAs provide a new path towards increasing performance as we approach the end of Moore’s Law and reach the limits of general-purpose computing, making them an interesting candidate for ray tracing. This study resulted in a substantial performance difference between FPGA and GPU, with GPU outperforming FPGA by around 20 times in full path tracing.Ray Tracing algoritmer har länge varit det vanligaste sättet att generera realistiska bilder, och nyligen har de också börjat användas i realtidsgenererad datorgrafik. Även om deras prestanda har sett stora förbättringar så är de fortfarande mycket dyra att utföra, både tids- och energimässigt. Att förbättra deras prestanda och effektivitet är därför ett mycket relevant forskningsämne for att förbättra nuvarande användningsområden och öppna upp nya möjligheter framöver. I detta kandidatexamensarbete har vi fokuserat på att implementera Path tracing, en populär ray tracing teknik, på en Field Programmable Gate Array (FPGA). FPGA är en typ av omkonfigureringsbar hårdvara som kan anpassas till sitt ändamål. När vi närmar oss slutet av Moores Lag och därmed når gränserna av vad som är möjligt för allmän hårdvara kan FPGA skapa en ny väg framåt för att fortsätta förbättra prestanda, detta gör FPGA till ett mycket intressant alternativ för ray tracing. Detta examensarbete resulterade i att implementation på grafikkort (GPU) överträffade FPGA i prestanda med minst en faktor 20 i alla testfall