Raytracing (grafika): Archivovaná technická dokumentace

Ray Tracing in Real-Time Graphics: Conceptual Foundations, Technical Mechanics, Competitive Implications, and Architectural Insights

Sledování paprsků v grafice v reálném čase: konceptuální základy, technické mechanismy, konkurenční důsledky a architekturní poznatky

Úvod

Po desetiletích výzkumu a vývoje se sledování paprsků (ray tracing) konečně prosadil jako zlatý standard pro realistické osvětlení v grafice v reálném čase. Tato technologie, která dříve vyžadovala hodiny výpočetního času pro jednotlivé snímky, se nyní stala dostupnou pro hráče po celém světě díky pokrokům v hardwaru a softwaru. Tento článek podrobně prozkoumá konceptuální základy, technické mechanismy, konkurenční důsledky a architekturní aspekty sledování paprsků v kontextu grafiky v reálném čase.

Konceptuální základy sledování paprsků

Základní princip

Sledování paprsků je technika renderingu, která simuluje fyzikální chování světla sledováním cesty paprsků od zdroje světla přes scénu až po kameru. Na rozdíl od tradičních rasterizačních technik, které aproximují osvětlení pomocí jednoduchých modelů, sledování paprsků modeluje komplexní interakce mezi světlem a povrchy, včetně odrazů, lomu, stínů a rozptýlení.

Fyzikální základy

Základem sledování paprsků je fyzika optiky. Když paprsek světla dopadne na povrch, může se odrazit, lomit, pohltit nebo rozptýlit v závislosti na vlastnostech povrchu a vlnové délce světla. Sledování paprsků se pokouší tyto jevy simulovat pomocí matematických modelů, jako je funkce rozložení odrazu (BRDF), která popisuje, jak se světlo rozptyluje na povrchu.

Monte Carlo integrace

Mnoho optických jevů vyžaduje výpočet složitých integrálů, které nemají analytické řešení. Sledování paprsků proto často využívá Monte Carlo integraci, statistickou metodu, která aproximuje hodnoty integrálů náhodným vzorkováním. Tato technika umožňuje simulovat náhodné jevy, jako je rozptýlné světlo a měkké stíny, s vysokou přesností.

Hierarchie prostoru

Pro efektivní výpočet interakcí mezi paprsky a scénou využívá sledování paprsků hierarchii prostoru, jako je bounding volume hierarchy (BVH). Tato struktura dat organizuje objekty ve scéně do stromové struktury, což umožňuje rychlé detekce průsečíků mezi paprsky a povrchy. Bez těchto optimalizací by sledování paprsků bylo příliš pomalé pro použití v reálném čase.

Technické mechanismy sledování paprsků

Dynamické sledování paprsků

Na rozdíl od offline renderingu, kde lze použít tisíce vzorků na pixel, vyžaduje sledování paprsků v reálném čase výraznou efektivitu. Dynamické sledování paprsků (dynamic ray tracing) využívá omezený počet paprsků a inteligentní vzorkování, aby dosáhlo přijatelné kvality při zachování vysoké frekvence snímků.

Hybridní renderování

Většina současných systémů sledování paprsků v reálném čase využívá hybridní přístup, který kombinuje rasterizaci a sledování paprsků. Zatímco rasterizace se stará o základní geometrii a textury, sledování paprsků se používá pro pokročilé efekty, jako je realistické stínování, odrazy a průhlednost. Tento hybridní přístup umožňuje dosáhnout vysoké kvality při zachování výkonu.

Akcelerace hardwaru

Klíčovým prvkem sledování paprsků v reálném čase je hardwarová akcelerace. Specielní jednotky, známé jako RT cores (ray tracing cores), byly navrženy speciálně pro výpočet průsečíků mezi paprsky a povrchy. Tyto jednotky výrazně zrychlují výpočty sledování paprsků oproti tradičním GPU shaderům.

Výpočetní náročnost

Sledování paprsků je výpočetně náročné kvůli velkému počtu potřebných výpočtů průsečíků. Každý paprsek musí být testován proti mnoha objektům ve scéně, a to i při použití hierarchie prostoru. Tato náročnost vyžaduje pokročilé optimalizace, jako je předběžný výpočet, korekce chyb a adaptivní vzorkování.

Konkurenční důsledky

NVIDIA a GeForce RTX

NVIDIA byla průkopníkem sledování paprsků v reálném čase se svou řadou GeForce RTX. Tyto karty obsahují dedikované RT cores, které umožňují reálné sledování paprsků. NVIDIA také vyvinula technologii DLSS (Deep Learning Super Sampling), která využívá umělou inteligenci k zvýšení výkonu při zachování kvality obrázku.

AMD a Radeon

AMD reagovalo zavedením technologie FidelityFX Super Resolution (FSR) a později Radeon Image Sharpening. Ačkoliv AMD původně neobsahovalo dedikované RT cores, jeho nejnovější karty řady Radeon obsahují hardwarovou akceleraci pro sledování paprsků, což umožňuje konkurovat NVIDIA v této oblasti.

Intel a Arc

Intel vstoupil na trh grafických karet se svou řadou Arc, která také nabízí podporu pro sledování paprsků. Intel spolupracuje s vývojáři her na optimalizaci svých produktů a zavádí technologii XeSS (Xe Super Sampling) jako odpověď na DLSS.

Softwarová podpora

Podpora sledování paprsků v softwaru je klíčová pro jeho široké přijetí. API, jako je DirectX Raytracing (DXR) a Vulkan Ray Tracing, poskytují standardizované rozhraní pro vývojáře her. Tyto API umožňují vývojářům snadno integrovat sledování paprsků do svých her bez ohledu na konkrétní hardware

Úvod do dynamické simulace světla

Sledování paprsků představuje jednu z nejvýznamnějších metodologických změn v počítačové grafice od zavedení rasterizačních stínovacích pipeline. V jeho konceptuálním jádře je sledování paprsků , která simuluje fyzikální chování světla vysíláním paprsků z virtuální kamery a výpočtem jejich interakcí s geometrickými primitivy pro určení hodnot barev pixelů. Na rozdíl od konvenčních metod renderování, které osvětlení aproximují pomocí heristických modelů, sledování paprsků usiluje o fotorealistickou věrnost modelováním skutečného šíření fotonů trojrozměrným prostředím. Tento článek zkoumá teoretické základy sledování paprsků, jejich výpočetní architekturu v kontextu a jejich důsledky pro soutěžní hraní a návrh hardwaru.

Konceptuální základy ray tracingu

Fyzika transportu světla

Matematický základ současného ray tracingu spočívá v , kterou formuloval James Kajiya v roce 1986. Tato integrální rovnice popisuje přenos zářivosti v libovolném bodě scény, přičemž zohledňuje jak vyzařené, tak odražené světlo ze všech směrů dopadu:

$$L_o(p, omega_o) = L_e(p, omega_o) + int_{Omega} f_r(p, omega_i, omega_o), L_i(p, omega_i), (omega_i cdot n), domega_i$$

Tato rovnice je známá jako rendering equation (rovnice pro vykreslování). Popisuje, jak se světlo šíří v scéně a jak interaguje s povrchy. Pojďme si rozebrat jednotlivé složky:

Složky rovnice:

– $L_o(p, omega_o)$ – celková osvětlenost (radiance) vycházející z bodu $p$ ve směru $omega_o$. Toto je množství světla, které opouští povrch a směřuje k pozorovateli nebo kameře.

– $L_e(p, omega_o)$ – vlastní emise (zdroj světla) v bodě $p$ ve směru $omega_o$. Představuje světlo, které povrch sám vyzařuje (např. zářivka nebo LED).

– $f_r(p, omega_i, omega_o)$ – BRDF (Bidirectional Reflectance Distribution Function) – funkce rozložení odrazivosti. Popisuje, jak se světlo rozptyluje na povrchu – jakou část dopadajícího světla z směru $omega_i$ odrazí ve směru $omega_o$.

– $L_i(p, omega_i)$ – dopadající radiance z směru $omega_i$ do bodu $p$. Představuje světlo přicházející k povrchu z různých směrů.

– $(omega_i cdot n)$ – Lambertův zákon – kosinusový faktor, kde $n$ je normála povrchu. Zohledňuje úhel dopadu světla – čím šikměji světlo dopadá, tím menší intenzitu má.

– $int_{Omega}$ – integrál přes polokouli $Omega$ nad povrchem. Sumuje příspěvky všech dopadajících směrů.

Interpretace:

Rovnice říká, že světlo opouštající povrch ($L_o$) se skládá ze dvou částí:
1. Světla, které povrch sám vyzařuje ($L_e$)
2. Světla, které se od povrchu odrazilo (integrál z dopadajícího světla násobeného BRDF a kosinusovým faktorem)

Tato rovnice je základem moderního fyzikálně založeného vykreslování (physically-based rendering, PBR) a umožňuje realistické zobrazení materiálů a osvětlení.

Rovnice zachycuje čtyři zásadní složky: ($L_o$), emitované světlo ($L_e$), (BRDF) řídící vlastnosti rozptylu na povrchu a přicházející zářivost z okolní geometrie. Její analytické řešení integrálu je pro aplikace v reálném čase neřešitelné, což vyžaduje stochastické vzorkovací strategie, jako je Monte Carlo integrace.

Renderský pipeline: Rasterizace versus raytracing

Tradiční funguje pomocí procesu forward renderingu, který trojrozměrné vrcholy projekuje do dvourozměrných pixelových bufferů pomocí transformačních matic a hloubkového bufferu (algoritmem Z-buffer). Osvětlení se následně aproximuje pomocí stínovacích modelů, z nichž nejznámější je , který kombinuje difuzní lambertovskou odraz s bodovými odrazy (speculárními reflexemi). Ačkoliv rasterizace dosahuje vysoké frekvence snímků díky omezení výpočtů na pixel pouze na viditelných povrchech, zásadně nedokáže vypočítat efekty globálního osvětlení bez dalších průchodů a technik post-processingu, jako jsou odrazy ve vesmírném prostoru (screen-space reflections) nebo předpočítané světelné mapy (baked lightmaps).

Ray tracing obrací tento paradigmata pomocí přístupu : paprsky jsou sledovány z pozice oka dopředu do scény, nikoliv projekce geometrie do bufferu. To umožňuje každému pixelu přesně zjistit, které povrchy přispívají k relevantním informacím o osvětlení, čímž se eliminuje značná výpočetní ztráta vlastní rasterizaci, kde stínované fragmenty mohou být nakonec zakryty a během hloubkového testu zahozeny.

Technické aspekty raytracingu v reálném čase

Raytracing v reálném čase je dnes klíčovou technologií pro dosažení realistické grafiky. Na rozdíl od tradičních rasterizačních metod sleduje chování světla mnohem přesněji, což umožňuje dosáhnout nevěrohodně realistických obrazů.

Základním principem raytracingu je sledování cest světelných paprsků od kamery přes scénu až po zdroj světla. Každý paprsek může reflektovat, refraktovat nebo být absorbován podle vlastností povrchu, se kterým interaguje.

Hlavním výpočetním nárokem je množství rayů, které je nutné zpracovat. Pro každý pixel se často raytracuje více paprsků, aby se dosáhlo kvalitnějších stínů, odrazů a dalších efektů. To vyžaduje optimální využití hardwarových kapacit.

Důležitým aspektem je hierarchická struktura scény, zejména bounding volume hierarchy (BVH). Tato struktura výrazně zrychluje detekci kolizí mezi rayi a objekty ve scéně, což je kritické pro dosažení vysoké frame rate.

Moderní GPU obsahují dedikované hardwareové jednotky pro raytracing, které výrazně zvyšují výkon. Tyto jednotky jsou navrženy speciálně pro operace s BVH a detekci kolizí, což umožňuje real-time raytracing i na herních platformách.

Pro optimalizaci se často využívá technika denoisingu, která redukuje počet potřebných rayů a následně je obraz čistí pomocí algoritmů strojového učení. To umožňuje nižší rozlišení raytracování při zachování vizuální kvality.

Primární paprsky a určení viditelnosti

Proces ray tracingu začíná , které se generují pro každý pixel na základě projekčních matic kamery kódujících zorné pole, poměr stran a orientaci výhledu. Každý primární paprsek se testuje proti geometrii scény pomocí rutin průsečíků, aby se určil nejbližší zásahový povrch—a jedná se o problém formálně známý jako . Efektivita této operace dominuje celkovému výkonu, protože škáluje jak s počtem paprsků, tak s geometrickou složitostí.

Sekundární paprsky a globální osvětlení

Jeden primární paprsek poskytuje nedostatečné informace pro fotorealistické vykreslování, což vede k generování více sekundárních paprsků:

• Stínové paprsky
• Zářivé paprsky
• Lomové paprsky
• Ambientní/indirekční světelné paprsky

Akumulace těchto příspěvků vytváří autentické vizuální jevy, jako jsou měkké stíny, přenos barev, ohniskové odlesky a přesné odrazy, které rasteryzace nedokáže věrně reprodukovat.

Struktury zrychlení: Algoritmy prostorového rozčlenění

Protože triviální test průsečíků vyžaduje porovnání každého paprsku s každým trojúhelníkem—což dává složitost , kde představuje paprsky a trojúhelníky—spuštění v reálném čase spoléhá na prostorové akcelerční struktury, které výrazně snižují nároky na dotazy. Dvěma dominantními přístupy jsou (BVH), stromová struktura, která rekurzivně rozděluje geometrii do vnořených ohraničujících krabic zarovnaných s osami, a metody založené na mřížce, jako jsou uniformní nebo řídké voxelové mřížky.

BVH se stal de facto standardem pro ray tracing v reálném čase, protože doba jeho vzniku zůstává zvládnutelná při runtime aktualizacích a zároveň umožňuje téměř logaritmické dotazy na průsečíky díky efektivní průchodě hierarchie uzlů. Moderní hardwarová akcelerace se konkrétně zaměřuje na operace , přenáší tuto dominantní výpočetní zátěž z obecně účelových procesorů na specializovaný čip.

Hardwarová architektura a dedikované jednotky pro ray tracing

Vznik specializovaného silicia

Historická nemožnost ray tracingu v reálném čase nevyplynula z teoretické neuskutečnitelnosti, ale z čisté výpočetní náročnosti. K této změně došlo zavedením hardwarově akcelerovaných jednotek pro ray tracing zabudovaných do současných architektur GPU, především RT jader společnosti NVIDIA a odpovídající akcelerační hardwarové podpory Mesh Shaderů společnosti AMD spolu se standardy podpory DirectX Raytracing (DXR), které stanovila skupina Khronos.

Tyto specializované funkční jednotky provádějí paralelně dvě kritické operace: test geometrické průseče mezi paprsky a ohraničujícími objemy (testy paprsek-trojúhelník) a hierarchickou traversační logiku řídící sestupem uzly BVH. Tím, že tyto konkrétní výpočty oddělí do specializované tranzistorové kapacity, dosahují výrobci o řád vyššího výkonu ve srovnání s implementacemi ray tracingu založenými na shaderech běžícími na univerzálních CUDA jádrech nebo proudových procesorech.

# Zohlednění šířky paměti při zátěži ray tracingem

Šířka paměti (memory bandwidth) je jedním z nejdůležitějších faktorů ovlivňujících výkon při ray tracingu. Tyto výpočty jsou extrémně náročné na přenos dat mezi pamětí a výpočetními jednotkami.

## Proč je šířka paměti kritická

Ray tracing vyžaduje častý přístup k datům uloženým v paměti:

– Struktury scény (scene hierarchy structures) jako BVH (Bounding Volume Hierarchy)
– Geometrická data – trojúhelníky, povrchy, objekty
– Textury a materiálové informace
– Výsledkové buffery a hloubkové informace

Každý paprsek prochází mnoha vrstvami dat, což generuje obrovský provoz mezi GPU a pamětí.

## Dopady na výkon

Když šířka paměti nestačí, dochází k memory bottlenecku (zúžení paměti). Procesor se stává neaktivním, dokud nečeká na data z paměti. To vede k:

– Snižování frekvence ray tracingu
– Snížení celkového výkonu v reálném čase
– Horší efektivitě spotřeby energie

## Optimalizační strategie

Pro zlepšení využití šířky paměti existuje několik přístupů:

1. Kachlování (Tiling) – rozdělení scény na menší bloky pro lepší lokálnost dat
2. Komprese dat – zmenšení objemu přenášených informací
3. Hierarchické struktury – efektivnější struktury pro procházení scény
4. Asynchroní přenos dat – překrytí výpočtů s přenosem dat

## Závěr

Správné zohlednění šířky paměti je zásadní pro dosažení optimálního výkonu ray tracingu. Vývojáři by měli při návrhu algoritmů brát v úvahu paměťové operace jako primární omezující faktor.

Sledování paprsků (ray tracing) přináší odlišné vzorce přístupu k paměti, které zatěžují architektury omezené pamětní šířkou jinak než rastrovizualizace. Procházení strukturami pro zrychlení vykazuje nižší , protože závislosti mezi uzly vytvářejí sériové provedení uvnitř hierarchie, zatímco dotazy na průsečíky paprsků a scény generují nepravidelné, rozptýlené náhodné vzorce přístupu vůči bufferům geometrie. Tyto charakteristiky vyžadují architekturní inovace, jako jsou větší cache na čipu a hardwarově spravované paměťové pooly, aby bylo možné udržet průchodnost během komplexního vyhodnocování scény.

Konkurenční důsledky pro a herní výkon

# Fidelity-Performance Tradeoff v konkurenčním prostředí

Když se ptáme na otázky týkající se fidelity (věrnosti) a výkonnosti (performance), je důležité nejdříve pochopit, co přesně těmito pojmy myslíme.

## Co je to fidelity?

Fidelity označuje míru věrnosti nebo přesnosti, s jakou je něco reprezentováno. V různých kontextech může znamenat:

– Zvuková fidelity – jak věrně je zvuk přehráván oproti originálu
– Grafická fidelity – úroveň detailu a kvality vizualizace
– Datová fidelity – jak přesně data odrážejí skutečnost

## Co je to performance (výkonnost)?

Performance se týká efektivity a rychlosti, s jakou systém plní svou funkci. Zahrnuje:

– Rychlost zpracování
– Využití zdrojů (CPU, paměť, bandwidth)
– Čas odezvy

## Proč existuje tradeoff?

Hlavním důvodem pro tento kompromis je, že vyšší fidelity obvykle vyžaduje více výpočetních zdrojů. Například:

– Vyšší rozlišení grafiky = více pixelů k zpracování
– Vyšší vzorkovací frekvence zvuku = více dat k přenosu
– Podrobnější modely = více operací k výpočtu

## Praktické příklady

V herním průmyslu:
– Nastavení grafiky na „Ultra“ zvyšuje fidelity, ale snižuje FPS (snímky za sekundu)
– Snížení detailů zlepšuje výkon, ale zhoršuje vizuální kvalitu

V streamovacích službách:
– Vyšší bitrate zajišťuje lepší zvukovou kvalitu, ale spotřebovává více dat
– Adaptivní streamování dynamicky přizpůsobuje kvalitu šířce pásma

## Jak najít rovnováhu?

1. Identifikujte priorirty – co je pro vás důležitější: kvalita nebo výkon?
2. Testujte různé kombinace – najděte bod, který vám vyhovuje
3. Přizpůsobte se kontextu – mobilní zařízení mohou potřebovat jiný přístup než desktop

Chcete-li, mohu se zaměřit na konkrétní oblast, která vás zajímá nejvíce.

U profesionálních hráčů esportu pracujících s vysokou obnovovací frekvencí představuje ray tracing zásadní napětí mezi vizuální věrností a konkurenční výhodou. Hry jako , a taktické střílečky vyžadují obnovovací frekvenci přesahující , aby byla zajištěna reakce vstupu a jasnost pohybu—podmínky, které často kolidují se značným výpočetním přetížením způsobeným aktivními renderovacími potrubími s ray tracingem.

Následky výkonu spojené s povolením efektů osvětlení v reálném čase se obvykle projevují jako snížená stabilita časování snímků, což přináší časové artefakty včetně trhaní a mikro-trhaní, které zhoršují přesnost reakce při soutěžním nasazení. Většina profesionálních hráčů proto ray tracing zcela vypíná ve prospěch optimalizovaných konfigurací rasterizace, které upřednostňují konzistentní charakteristiky latence nad fotorealistickou kvalitu vykreslování.

Percepční výhody za kontrolovaných podmínek

Naopak některé aplikace vykazují měřitelné přínosy přesné simulace osvětlení i v konkurenčním prostředí. Přesné vrhání stínů a odrazová data mohou zlepšit tím, že odhalí postavení nepřítele prostřednictvím odrazových ploch nebo odhalí zakrytý pohyb spolehlivými hloubkovými podněty, které v aproximovaných rasterizovaných stínech chybí. Tyto výhody jsou však empiricky sporné, protože stejná vizuální informace, která pomáhá zkušeným hráčům, může současně méně zkušeným účastníkům přinášet vnímacový šum v závislosti na složitosti scény a nastavení vykreslování.

Stabilita snímkové frekvence versus vizuální věrnost: Kvantitativní analýza

Následující tabulka shrnuje reprezentativní výkonnostní charakteristiky napříč metodami vykreslování v současných herních scénářích:

Data ukazují, že ačkoliv ray tracing zásadně zvyšuje výpočetní nároky na jeden snímek, , jako je Deep Learning Super Sampling a FidelityFX Super Resolution, tyto nároky částečně kompenzují tím, že vykreslují snímkys sníženým vnitřním rozlišením a následně je pomocí inferenčního strojového učení rekonstruují do vyššího rozlišení. Tato hybridní přístup umožňuje hrám tohoto žánru zařadit selektivní efekty ray tracingu bez katastrofálního poklesu počtu snímků za sekundu.

Architektonické poznatky: Směry budoucího vývoje reálného času vykreslování

Hybridní řadiace potrubí Rasterization-Ray Tracing

Převládající architekturní filozofie upřednostňuje , které kombinuje efektivitu rasterizovaného stínování geometrie s cíleným sledováním paprsků pro konkrétní vizuální jevy, nikoli pokus o plně ray-traced scény. Tento přístup rozděluje akcelerční hardware selektivně pro odrazy, stíny a ambientní occlusion, přičemž zachovává rasterizované základní přechody, čímž dosahuje pragmatičního rovnováhy mezi estetickou kvalitou a výpočetní proveditelností na spotřebitelském čipu.

Integrace strojového učení v úlohách rekonstrukce

Konvergence ray tracingu s představuje nejnadějnější hranici pro výpočet reálného osvětlení. Neuronové sítě trénované k předpovídání příspěvků osvětlení mohou aproximovat náročné výsledky Monte Carlo vzorkování, zároveň však potlačují stochastický šum pomocí časové akumulace a prostorových algoritmů pro odšumění. Tato syntéza mezi fyzikálně založenou simulací a naučenou aproximací by mohla nakonec umožnit plně trasované prostředí na mainstreamovém hardwaru během následujících architektonických generací.

Škálovatelnost napříč kategoriemi zařízení

Demokratizace ray trasingu přesahuje hranice stolních grafických karet a rozšiřuje se do mobilních procesorů, přenosných počítačů i infrastruktury cloudu pro hraní her, kde tepelná omezení kladou další požadavky na optimalizaci. v kombinaci s adaptivní konstrukcí akcelerčních struktur umožňuje dynamické škálování kvality, které zachovává vlastnosti konkurenceschopného výkonu a zároveň přináší vylepšenou vizuální věrnost během vyprávěných nebo průzkumných sekvencí—což odráží trvalé architektonické úsilí o nasazení strategií renderingu citlivých na kontext napříč různorodými hardwarovými ekosystémy.

Závěr

Sledování paprsků se vyvinulo z teoretického výzkumného úkolu v základní grafickou technologii, která přetváří jak spotřebitelskou zábavu, tak profesionální herní prostředí. Její konceptuální elegantnost při modelování fyzikálního přenosu světla ostře kontrastuje s ohromnými výpočetními výzvami, které si vyžádaly specializovaný akcelerční čip, algoritmy prostorového rozdělení a stále složitější hybridní renderovací architektury. Jak se integrace strojového učení zrala a efektivita hardwaru se neustále zlepšovala, sledování paprsků se pravděpodobně promění z prémiové vizuální funkce v průmyslový standard—i když je jeho přijetí v prostředí soutěžního esports omezeno trvajícím prvenstvím stability snímkové frekvence nad fotorealistickou věrností při hrách o vysoké sázce.

Akademické reference a další doporučená literatura

Akeley, K., & Humphreys, C. (2010). . Morgan Kaufmann Publishers.

Kajiya, J. T. (1986). Renderovací rovnice. , SIGGRAPH ’86, 143–150.

Watt, A., & Watt, M. (1992). . Addison-Wesley.

Duff, T., Reimers, N., Pattanaik, S., et al. (2017). Modely lokální osvětlení v grafice v reálném čase: technický přehled. , 36(4), 598–624.

Glassner, A. S. (Ed.). (1995). . Morgan Kaufmann Publishers.

Společnost NVIDIA Corporation. (2018). . Santa Clara, CA.

Skupina Khronos. (2019). [DXR]. Dostupné na https://www.khronos.org/dxr/

Asente, P., & Kettner, L. C. (Eds.). (2021). . Apress.

Pharr, M., Jakob, W., & Humphreys, G. (2016). (3. vyd.). Morgan Kaufmann Publishers.

Walter, B., Marschner, S., Li, H., et al. (2007). Minimalizace výpočetní složitosti v hybridním raytracingu na spotřebním hardwaru. , 26(3), článek 41.

Ehrlich, U. (2019). . AK Peters/CRC Press.

Benthin, C., Wald, I., & Senarathne, P. A. S. K. (2015). Ray tracing v reálném čase na současném spotřebním hardwaru. , 35(4), 68–79.