A novel, view-dependent rendering method integrated with occlusion culling for many articulated models used in large-scale crowd scenes is presented. A cluster hierarchy for an animated, articulated model, is used as a dual representation for view-dependent rendering and occlusion culling. For high-performance view-dependent rendering and occlusion culling, each cluster of the cluster hierarchy is constructed to contain a spatially coherent portion of the mesh that also has similar simplification errors, by using our error-aware clustering method. We perform the well-known quadrics-based simplification to efficiently compute our representation, while achieving a high quality simplification. At runtime, we choose a LOD cut from the cluster hierarchy given a user specified error bound in the screen space and render all the visible clusters in the LOD cut. We also perform occlusion culling by utilizing the temporal coherence among consecutive frames. We implement our method in GPU and achieve interactive performance (e.g., 50 frames per second) for large-scale crowd scenes that consist up to one thousand articulated models and 83 M triangles, without noticeable visual artifacts. Compared to a base rendering system that performs only view-frustum culling, our method achieves up to 6 times improvements in our benchmark crowd scenes.
이 논문에서는 대규모 군중 장면에서 사용되는 다양한 관절 모델에 적용할 수 있는 오클루젼 컬링과 통합된 시점 기반 렌더링 방법을 제시하였다. 동적인 관절 모델에 대해서 시점 기반 렌더링과 오클루젼 컬링 둘 모두를 지원하는 표현방식으로서 클러스터 계층 구조를 제안하였다. 고 성능의 시점 기반 렌더링과 컬링을 하기 위해서 우리의 에러를 고려한 클러스터링 방법을 사용하여 클러스터 계층 구조에서의 각 클러스터가 비슷한 수준의 간략화 에러를 가지는, 메쉬의 인접한 부분을 포함하도록 하였다. 실행시에는 클러스터 계층 구조에서 사용자가 정의한 화면상에서의 에러 허용 한계를 이용하여 적절한 간략화 레벨을 선택하고, 해당하는 레벨의 모든 보이는 클러스터를 렌더링하도록 하였다. 또한, 연속되는 프레임에서의 시간 응집성을 이용하여, 오클루젼 컬링을 하였다. 이 방법을 GPU 상에서 구현하여 1000개의 인물, 약 8300만개의 삼각형을 가지는 대규모 군중 장면을 초당 50프레임의 인터랙티브한 수준의 성능을 화면상에 눈에 보이는 에러 없이 얻어 내었다. 벤치마크에서 뷰 프러스텀 컬링만을 구현한 기본 렌더링 시스템과 비교할때, 이 연구의 시스템은 약 6배의 성능 향상을 얻어낼 수 있다.