XGBoostに基づくルックアップテーブルによる軽量なリアルタイムレンダリングパラメータ最適化

Abstract

レンダリング品質とリアルタイム性能の望ましいバランスを達成することは、現代のゲームおよびレンダリングエンジンにおいて、特にノートPC、タブレット、スマートフォンといったリソース制約のあるモバイルデバイスにおいて、長年にわたる課題である。既存の自動レンダリングパラメータ最適化のアプローチは、(i) 複数日間に及ぶ大規模なシーンごとの事前計算に依存している、(ii) フレームごとの適応を妨げるほどの高い推論オーバーヘッドを伴うニューラルネットワークにより性能が制限される、または (iii) 異種なハードウェアや多様なシーンに対して汎用性が欠ける、という問題を抱えている。本論文では、 \textbf{LUT-Opt} を提案する。これは、適応的なフレーム単位のレンダリングパラメータ最適化のための軽量で汎用的なフレームワークである。提案手法は、レンダリング時間と画像品質の同時最適化を、扱いやすい2段階のパイプラインへと分解する。オフライン段階では、レンダリングパラメータ、ハードウェア状態、シーンの複雑さ記述子からレンダリング時間と画像品質を予測するための、XGBoost 回帰器のペアを学習する。学習済みのアンサンブルモデルは、その後、体系的な離散化と2相の線形探索を通じてコンパクトなルックアップテーブル（LUT）へと蒸留する。具体的には、まずレンダリング時間を制約し、その後構造的類似度（SSIM）を最大化する。実行時には、事前計算された LUT を毎フレームでサブミリ秒の時間で参照し、計算オーバーヘッドがほとんどない状態で、真に適応的なパラメータ選択を実現する。我々は、Unreal Engine 5 上で実装した2つの代表的なレンダリング手法、すなわちサブサーフェス・スキャタリング（SSS）とハイブリッドパイプラインのアンビエントオクルージョン（AO）に対して LUT-Opt を検証する。複数のシーンおよびGPU構成にわたる大規模な実験により、LUT-Opt はサブサーフェス・スキャタリングのレンダリング時間を約40 extbackslash %、アンビエントオクルージョンのレンダリング時間をおよそ70 extbackslash % 削減しつつ、画像品質誤差の増加はわずか約2 extbackslash % にとどまり、フレームごとの推論遅延は0.1 extbackslash ms 未満であることを示した。