GPU 레이 트레이싱 텐서 코어를 활용한 3D 볼록 껍질 전처리 필터

초록

**
본 논문은 Manhattan 거리 기반 구분 다면체를 이용해 3차원 점 집합을 사전 필터링하고, NVIDIA GPU의 레이 트레이싱 코어와 텐서 코어를 활용해 필터링과 볼록 껍질 계산을 가속화한다. 실험 결과, CPU 병렬 구현 대비 최대 200배의 속도 향상과 에너지 효율 개선을 달성하였다.

**

상세 분석

**
이 연구는 기존 2D 전처리 필터링 기법을 3차원으로 확장하고, 최신 GPU 아키텍처가 제공하는 전용 하드웨어인 RT 코어와 Tensor 코어를 동시에 활용한다는 점에서 혁신적이다. 먼저 입력 점 집합의 축 극값을 찾아 6개의 축 방향 극점과 추가적인 코너 점을 정의하고, 이들을 연결해 Manhattan 거리 기반의 구분 다면체(Delimiter Polyhedron)를 만든다. 이 다면체는 내부에 위치한 점들을 빠르게 배제하는 역할을 하며, 배제 과정은 RT 코어의 BVH 탐색과 삼각형 교차 테스트를 이용해 O(log n) 시간에 수행된다.

필터링 단계에서 생성된 후보 점 집합은 텐서 코어를 이용한 행렬‑벡터 연산으로 빠르게 정렬·축소된다. 텐서 코어는 FP16·FP32 혼합 정밀도에서 대규모 행렬 곱셈(MMA)을 고속으로 수행하므로, 후보 점들의 좌표 변환 및 거리 계산을 병렬화하는 데 최적화된다. 이러한 두 하드웨어 가속 경로를 결합함으로써, 전통적인 CUDA 코어 기반 구현보다 메모리 대역폭과 연산량을 동시에 절감한다.

실험에서는 균등 분포와 구면 분포 두 종류의 점 집합을 사용했으며, 입력 규모를 10⁶ ~ 10⁸ 점까지 확대하였다. 필터링 후 남은 점 비율은 구면 분포에서 약 5 %에 불과했으며, 이는 전체 볼록 껍질 알고리즘(예: QuickHull)의 복잡도를 O(n log n)에서 실질적으로 O(k log k)로 감소시켰다(k는 필터링 후 남은 점 수). 결과적으로 CPU 병렬 구현 대비 30 ~ 200배의 속도 향상을 보였고, 전력 측정에서는 GPU 전력 소모가 1.2 ~ 1.5배 수준에 머물러 에너지 효율이 크게 개선되었다.

이 논문은 전처리 필터링이 볼록 껍질 계산에 미치는 영향을 정량적으로 분석하고, RT·Tensor 코어를 활용한 하드웨어‑소프트웨어 공동 설계 방법론을 제시한다는 점에서 학술적·실용적 가치를 모두 갖는다. 특히, 실시간 시뮬레이션이나 자율 주행 등 대규모 3D 데이터 처리가 요구되는 분야에서 GPU 기반 전처리 파이프라인을 적용하면, 연산 지연을 크게 낮추면서 전력 예산을 준수할 수 있다.

**