Como o Deep Learning possibilitou o RayTracing em tempo real.
Gravado no evento X SEMANA ACADÊMICA - IFRJ – Campus Engenheiro Paulo de Frontin - “Inteligência Artificial: a Nova Fronteira da Ciência Brasileira”. Dias 20, 21 e 22 de outubro de 2020. · 1 h 5 min de gravação
Trechos em vídeo

Como funciona o DLSS para transformar 1080p em 4K
Trecho de a da gravação

O que e Ray Tracing e por que ele e tao custoso
Trecho de a da gravação

O papel dos Tensor Cores na aceleracao de matrizes
Trecho de a da gravação
Sobre o conteúdo
A palestra "Como o Deep Learning possibilitou o RayTracing em tempo real", proferida na "X SEMANA ACADÊMICA - IFRJ – Campus Engenheiro Paulo de Frontin - “Inteligência Artificial: a Nova Fronteira da Ciência Brasileira”. Dias 20, 21 e 22 de outubro de 2020.", inicia-se com a introdução de Luís Fernando Fernandes Pimentel, que apresenta o palestrante Jose Ricardo da Silva Junior. O expositor contextualiza a evolução gráfica dos videogames, comparando títulos históricos de baixa poligonagem, como o jogo do E.T. de 1982 para Atari, com produções modernas e detalhadas como Cyberpunk 2077. São detalhados os fatores essenciais para aumentar o realismo em computação gráfica: aumento da contagem de polígonos, uso de texturas de alta resolução e aprimoramento dos modelos de iluminação.
Em seguida, o palestrante examina as limitações do pipeline de rasterização tradicional baseado no modelo Blinn-Phong, que depende da interpolação em vértices e desconsidera a iluminação indireta, recorrendo a truques pré-calculados como cubemaps e environment mapping. Em contrapartida, o Ray Tracing calcula reflexões, refrações e sombras de maneira fisicamente precisa em um modelo de iluminação global. No entanto, sua natureza recursiva impõe um crescimento exponencial de raios na cena, tornando-o proibitivo para renderização interativa em 30 ou 60 quadros por segundo, janelas que exigem processamento em no máximo 33,3 ms ou 16,6 ms por quadro.
A apresentação demonstra as inovações trazidas pelo hardware recente, com destaque para a arquitetura Turing da NVIDIA e os núcleos RT Cores, que transferiram o cálculo de estruturas de aceleração espacial (BVH) e a intersecção de raios para a GPU, além de viabilizarem o Ray Tracing híbrido e técnicas como multi-res shading. Ainda assim, a renderização nativa em resoluções como 4K mantinha-se inviável apenas com força bruta computacional, exigindo uma nova abordagem baseada em inteligência artificial.
Para superar esse gargalo, o palestrante explica a integração do Deep Learning com redes neurais convolucionais e autoencoders, impulsionada pelo hardware dos Tensor Cores, que realizam operações matriciais aceleradas em ciclo único de clock. Com isso, algoritmos neurais de denoising conseguem transformar imagens geradas com poucas amostras de raios em quadros limpos e realistas. Esse princípio evoluiu para o Deep Learning Super Sampling (DLSS), técnica que utiliza redes treinadas offline em supercomputadores com imagens de referência em 16K para reconstruir quadros renderizados em 1080p para 4K, utilizando vetores de movimento e feedback temporal com ganhos substanciais de desempenho.
Ao final, apresenta-se o roadmap gráfico da NVIDIA para os próximos anos, traçando o avanço da coexistência entre rasterização e Ray Tracing até a consolidação do Path Tracing completo por volta de 2035. Durante a sessão de perguntas e respostas com a mediação de Luís Fernando Fernandes Pimentel, esclarecem-se dúvidas do público sobre a viabilidade de modelos neurais em resoluções mais elevadas, a aplicação seletiva de Ray Tracing híbrido em áreas específicas e o panorama de suporte dessas tecnologias em consoles de videogame frente às soluções de fabricantes concorrentes.
O que é abordado
- Abertura e apresentação inicial
- Evolução gráfica e formas de aumentar o realismo
- Desafios do tempo real e limites da rasterização
- Conceitos e custos computacionais do Ray TracingTrecho de 1 min 51 s
- Arquitetura NVIDIA Turing e aceleração por hardware
- Fundamentos de Machine Learning e Deep Learning
- Tensor Cores e multiplicação acelerada de matrizesTrecho de 1 min 45 s
- Denoising neural e Deep Learning Super Sampling (DLSS)Trecho de 1 min 59 s
- Tendências da indústria e roadmap para o Path Tracing
- Sessão de perguntas e respostas e encerramento
Dúvidas que o conteúdo responde
Quais são as três principais maneiras de aumentar o realismo visual em gráficos computacionais?
Segundo o palestrante, pode-se aumentar a quantidade de polígonos dos modelos para suavizar superfícies, empregar texturas com maior resolução (como 4K) e adotar modelos de iluminação mais realistas e fisicamente precisos.
Qual é a principal dificuldade para rodar Ray Tracing em tempo real?
O cálculo recursivo de raios primários, secundários e terciários cresce exponencialmente para simular reflexões, refrações e superfícies rugosas, demandando poder computacional muito superior ao intervalo de tempo disponível em simulações interativas (cerca de 33,3 ms para 30 FPS ou 16,6 ms para 60 FPS).
O que é o DLSS e como ele opera para otimizar o desempenho?
O DLSS (Deep Learning Super Sampling) é uma técnica da NVIDIA baseada em redes neurais convolucionais treinadas com imagens de altíssima fidelidade (16K). Ele pega imagens renderizadas em menor resolução nativa (como 1080p), combina-as com vetores de movimento e feedback temporal, e reconstrói o quadro final em resolução 4K com baixo consumo de processamento.
Os consoles de videogame atuais utilizam DLSS?
O palestrante esclarece que o DLSS é uma tecnologia proprietária da NVIDIA, ao passo que os consoles modernos da Sony e Microsoft utilizam hardware gráfico da concorrente AMD, inviabilizando o uso direto do DLSS e demandando alternativas desenvolvidas pela própria AMD.
Assuntos
Palestrantes

Jose Ricardo da Silva Junior
Palestrante
José Ricardo da Silva Júnior é Professor do Instituto Federal do Rio de Janeiro e coordenador de Pesquisa, Inovação e Incubadora do campus Engenheiro Paulo de Frontin. Possui graduação em Análise de Sistemas pela Universidade Estácio de Sá (2005), mestrado em Computação pela UFF (2010), doutorado em Computação pela UFF (2015) com estágio de doutorado (2013) na Universidade de Nebraska (UNL), em Lincoln e pós-doutorado (2015) no LNCC. Coordena o grupo de pesquisa GSimCog - Grupo de Simulação e Computação Gráfica. Sua área de atuação está especialmente focada em Video Games, Realidade Virtual…

Luís Fernando Fernandes Pimentel
Mediador(a)
Possui graduação em Engenharia Eletrônica e de Computação pela Universidade Federal do Rio de Janeiro (1984) e mestrado em Engenharia de Sistemas e Computação pela Universidade Federal do Rio de Janeiro (1990), atuando principalmente nos seguintes temas: desenvolvimento de hardware e software, TI, ITIL, COBIT, gerenciamento de serviços, service desk e projetos de inovação. Atualmente atua como docente em cursos técnicos, graduação e pós-graduação lato sensu do IFRJ - Engenheiro Paulo de Frontin, contratado como Professor do Ensino Básico, Técnico e Tecnológico no regime de 40 horas com…
Outros conteúdos deste evento
Gravados no evento X SEMANA ACADÊMICA - IFRJ – Campus Engenheiro Paulo de Frontin - “Inteligência Artificial: a Nova Fronteira da Ciência Brasileira”. Dias 20, 21 e 22 de outubro de 2020.
Riscos da Inovação: segurança da informação e privacidade.
Gravado no evento X SEMANA ACADÊMICA - IFRJ – Campus Engenheiro Paulo de Frontin - “Inteligência Artificial: a Nova Fronteira da Ciência Brasileira”. Dias 20, 21 e 22 de outubro de 2020.
A palestra aborda o equilíbrio fundamental entre o avanço tecnológico acelerado e os imperativos de segurança da informação e privacidade de dados. Marcos Sêmola discute os…
Ver resumo e capítulosInteligência Artificial para o Brasil de Verdade
Gravado no evento X SEMANA ACADÊMICA - IFRJ – Campus Engenheiro Paulo de Frontin - “Inteligência Artificial: a Nova Fronteira da Ciência Brasileira”. Dias 20, 21 e 22 de outubro de 2020.
Na abertura da X SEMANA ACADÊMICA - IFRJ – Campus Engenheiro Paulo de Frontin - “Inteligência Artificial: a Nova Fronteira da Ciência Brasileira”, Marcelo Sales ministra a…
Ver resumo e capítulosInteligência Emocional para Mercado de Trabalho.
Gravado no evento X SEMANA ACADÊMICA - IFRJ – Campus Engenheiro Paulo de Frontin - “Inteligência Artificial: a Nova Fronteira da Ciência Brasileira”. Dias 20, 21 e 22 de outubro de 2020.
A palestra aborda a relevância da inteligência emocional para a atuação e diferenciação no mercado de trabalho contemporâneo. Denise Valentin detalha como as emoções geram…
Ver resumo e capítulosDando voz aos objetos do mundo real - Como usar Sigfox para obter seus Datasets
Gravado no evento X SEMANA ACADÊMICA - IFRJ – Campus Engenheiro Paulo de Frontin - “Inteligência Artificial: a Nova Fronteira da Ciência Brasileira”. Dias 20, 21 e 22 de outubro de 2020.
A palestra aborda a utilização da tecnologia Sigfox e redes LPWA na coleta de dados do mundo físico para alimentar aplicações de inteligência artificial. O palestrante detalha a…
Ver resumo e capítulosA importância do profissional de Tecnologia da Informação em um contexto de pandemia.
Gravado no evento X SEMANA ACADÊMICA - IFRJ – Campus Engenheiro Paulo de Frontin - “Inteligência Artificial: a Nova Fronteira da Ciência Brasileira”. Dias 20, 21 e 22 de outubro de 2020.
A palestra aborda o papel estratégico dos profissionais de Tecnologia da Informação e dos desenvolvedores de jogos durante o período de isolamento social imposto pela pandemia de…
Ver resumo e capítulos



