SIGGRAPH｜节省50%内存占用，浙大、快手等提出量化仿真新方法

机器之心专栏

作者:刘家峰，马重阳

来自浙江大学、Aauto Quicker和犹他大学的研究人员联合提出了一种新的定量模拟方法，该方法自动考虑了准确性和内存消耗。

在好莱坞大片特效等计算机图形学的典型应用场景中，高分辨率的物理仿真可以提供良好的视觉效果。更高的仿真计算复杂度和分辨率可以带来更多的细节，但相应的计算需要占用更多的内存或显存空。比如电影《冰雪奇缘》，在300米宽的溃坝场景中用9000万个粒子来表现水体，全精度模拟计算需要4块NVIDIA Quadro P6000显卡，占用显存约96GB。

为了节省计算中占用的数据存储空，研究人员在物理仿真算法中引入了“量子化”技术，即在仿真计算过程中，用更少的比特来表示和存储物理变量。例如，在去年的计算机图形学峰会SIGGRAPH 2021上，来自麻省理工学院、浙江大学和Aauto Quicker的研究人员联合发表了一篇题为QuanTaichi的论文，实现了一个由“太极”编译器支持的量化类型系统，允许用户用更少的比特表示空之间的位置和速度等各种物理变量，从而在相同的GPU内存消耗下实现更高的分辨率。但QuanTaichi要求用户手动设计量化方案，指定模拟中使用的每个变量的位数，并在模拟计算中不断试错，最终找到合适的方案。

在今年的SIGGRAPH 2022大会上，来自浙江大学、Aauto Quicker和犹他大学的研究人员联合发表了题为“物理仿真的自动量化”的论文，提出了一种自动兼顾量化仿真精度和内存消耗的方法。与全精度物理仿真相比，在不明显影响视觉效果的情况下，可以节省50%以上的内存占用，从而大大提高了定量仿真的可用性和生产率。

地址:https://arxiv.org/abs/2207.04658

项目地址:https://github.com/Hanke98/AutoQuantizer

该方法的核心思想是将物理仿真过程中量化造成的精度损失建模为误差传播过程。基于不确定性传播理论，将量化方案的自动求解描述为带约束的优化问题，以误差上限或内存压缩率为优化目标，快速给出解析解作为可行的量化方案。

此外，引入抖动法作为定量模拟的舍入方法，取代传统的舍入方法，降低了数据误差之间的相关性。当量化比特数较少时，抖动法可以明显降低精度损失。下面是引入抖动方法的效果对比。在上面没有抖动方法的模拟结果中，由于量化误差的影响，从同一水平位置开始自由下落的字母的水平位置不再一致；在下面介绍的抖动法定量模拟结果中，所有字母在下落过程中都能保持水平对齐，符合客观物理规律。

下图是用这种方法实现的基于欧拉网格的定量烟雾模拟。使用该方法自动求解量化方案实现了1.93倍的内存压缩，在单块Nvidia RTX 3090显卡上使用了超过2.28亿个欧拉网格。

下图是基于材料点方法的弹性体模拟。该方法实现了2.01倍的内存压缩，在单个Nvidia RTX 3090显卡上模拟了超过2.95亿个粒子。

下图显示了基于材质点方法的流体模拟。该方法实现了2.02倍的内存压缩，在单块Nvidia RTX 3090显卡上模拟了4亿个粒子。

目前相关技术已经成功落地。打开Aauto Quicker APP，拍摄“不要哭鸭子”、“我要去潜水”、“火超能力”等魔幻表情，即可体验短视频行业独家移动实时液体模拟特效技术。

[参考文献]

[1]胡远明、刘家峰、杨选达、许明宽、叶匡、、戴强、威廉·弗里曼和弗雷多·杜兰德。2021.量子模拟编译器。美国计算机学会图形汇刊。