[论文解读] Taichi: An Open-Source Computer Graphics Library

Yuanming Hu|arXiv (Cornell University)|Apr 24, 2018

Computer Graphics and Visualization Techniques参考文献 13被引用 6

一句话总结

Taichi 是一个开源的高性能计算机图形学库，专为图形学研究中的快速原型设计和生产级软件工程而打造。它提供了可移植、可扩展且高度优化的模拟、渲染与数据管理抽象，显著加快开发速度并提升性能——通过简化原型设计、调试与团队协作，将 SIGGRAPH 2018 物理模拟项目的速度提升了显著。

ABSTRACT

An ideal software system in computer graphics should be a combination of innovative ideas, solid software engineering and rapid development. However, in reality these requirements are seldom met simultaneously. In this paper, we present early results on an open-source library named Taichi (http://taichi.graphics), which alleviates this practical issue by providing an accessible, portable, extensible, and high-performance infrastructure that is reusable and tailored for computer graphics. As a case study, we share our experience in building a novel physical simulation system using Taichi.

研究动机与目标

• 解决计算机图形学研究中快速原型设计与稳健软件工程之间的矛盾。
• 降低低层次基础设施开发带来的开销，从而避免阻碍创新与代码复用。
• 为图形工作负载量身定制一个统一、可复用且可移植的基础架构。
• 通过将算法实现与实验脚本解耦，支持团队协作。
• 通过领域特定优化与集成的性能分析工具，提升性能与可维护性。

提出的方法

• 使用 pybind11 设计 C++14 与 Python 3 的混合接口，将高层脚本与底层计算解耦。
• 实现基于插件的可扩展模型，支持自定义组件的自动注册与实例化。
• 集成针对图形工作负载优化的向量化的线性代数运算与内存布局，相比通用库，SIMD 效率提升 1.8–2.3 倍。
• 通过仅包含头文件、依赖项最少的库，提供对序列化、日志记录、调试与性能分析的一流支持。
• 嵌入领域特定的抽象，如场景配置、文件 I/O（OBJ、PLY、PNG、MP4），以及 GPU 加速求解器（例如用于投影的 MGPCG）。
• 利用 Intel TBB 实现多线程处理，并与 ffmpeg、stb_image 以及 spdlog/fmtlib 等外部工具集成，用于 I/O 与诊断。

实验结果

研究问题

• RQ1 一个领域特定的开源图形学库是否能显著降低图形学研究中的工程开销，同时不牺牲性能？
• RQ2 混合 C++/Python 架构在图形模拟项目中如何提升团队可扩展性与开发速度？
• RQ3 为图形工作负载优化的内存布局与抽象，在性能关键型工作负载中，能否显著超越通用库（如 Eigen）？
• RQ4 集成的性能分析与调试工具是否能减少长时间运行模拟中的性能调优与错误排查时间？
• RQ5 可复用的基础架构在加速新型物理模拟系统开发与部署方面有多高效？

主要发现

• Taichi 通过提供可复用的高层抽象，显著缩短了 MLSMPM-CPIC 项目中的开发时间并降低了工程开销，实现了快速原型设计。
• 该库集成的性能分析器与作用域计时器支持精准的热点分析，使性能相比以往工作实现显著提升。
• Taichi 中的向量化内存布局在 3D 向量运算中，相比 Eigen 的标准 12 字节对齐存储，性能提升 1.8–2.3 倍。
• Python 脚本接口使所有团队成员无需接触低层 C++ 代码即可运行实验，显著提升了团队可扩展性与协作效率。
• 序列化系统支持可靠检查点保存与恢复，显著降低了长时间模拟崩溃后的停机时间。
• Taichi 的依赖项最少、跨平台的设计简化了部署流程，使项目开源变得显著更容易。