테스트용 게임 맵 하나가 원시 파동 시뮬레이션 데이터 56 TB를 만들어냈고, 인코더는 이를 41 MB에 저장했다. 압축 배율이 100만 배를 넘는다(Raghuvanshi와 Snyder, ACM Transactions on Graphics 2014). SIGGRAPH 2026에서 Ubisoft La Forge와 Audiokinetic 팀은 압축하지 않은 매개변수 계열 하나를 182 GB에서 14 MB로 줄였고, 게임 오디오 전문가 28명은 그 결과를 기준 62.6 대비 61.8로 평가했다(Seuté 외, SIGGRAPH Conference Papers 2026). 실시간 레이트레이싱은 훨씬 빠듯한 예산으로 동작한다. Valve의 Steam Audio 플러그인은 기본적으로 레이 4,096개와 반사 4회를 사용한다(Valve, Steam Audio Unity 플러그인 소스 코드). 저희는 ACM Transactions on Graphics, ACM SIGGRAPH, IEEE Virtual Reality, Journal of the Acoustical Society of America의 데이터와 함께 Valve, AMD, NVIDIA, Meta의 벤더 문서를 종합했다. 저희 공간 오디오 통계가 기기와 소비자 수요를 추적한다면, 이 정리는 그 밑에 있는 구조, 즉 연산 비용, 데이터 크기, 그리고 청취자가 실제로 듣는 것을 추적한다.
요약
- 테스트 맵 하나에서 원시 시뮬레이션 데이터 56 TB가 41 MB로 인코딩됐다(Raghuvanshi와 Snyder, ACM TOG 2014).
- 압축하지 않은 파동 부호화 데이터 182 GB 대 잠재 모델 14 MB, 사실성 평가는 61.8 대 62.6(Seuté 외, SIGGRAPH 2026).
- 평균 자유 경로(반사 사이에 소리가 이동하는 평균 거리)가 0.06 m를 넘게 바뀌자 초기 반사를 구별할 수 있게 됐다(Rungta 외, P-Reverb, 2019).
- Steam Audio의 기본값은 실시간 레이 4,096개와 반사 4회(Valve, Steam Audio Unity 플러그인 소스 코드).
- GPU 컴퓨트 프레임워크는 RTX 2060에서 프레임당 레이 16,000개로 80-100 FPS를 유지했다(University of Gothenburg 학위논문).
- 레이트레이싱과 신경망을 결합한 하이브리드 파이프라인은 장면 4개에서 프레임당 6.78~12.95 ms가 걸렸다(Tang 외, IEEE VR 2021).
- 신경망 생성기는 RTX 2080 Ti에서 음향 효과 하나를 0.1밀리초에 만들어냈다(Ratnarajah와 Manocha, IEEE VR 2024).
- 10차 회절은 이전 최고 수준보다 최대 568배 빠르게 동작했다(Schissler 외, SIGGRAPH 2021).
- 시뮬레이션된 임펄스 응답과 실측 임펄스 응답의 차이는 테스트 환경 9곳 모두에서 항상 뚜렷하게 들렸다(Brinkmann 외, JASA 2019).
- 동적 장면에서 잔향 기법이 지각된 거리를 바꿨다(F(1,16) = 15.29, p < 0.01)(Rungta 외, 2017).
1. 파동 사전 계산: 입력은 테라바이트, 출력은 메가바이트
파동 시뮬레이션은 소리의 물리를 직접 풀기 때문에, 오클루전(가로막힌 소리가 먹먹해지는 현상)과 회절(소리가 모서리를 돌아 휘는 현상)이 손으로 조정한 필터가 아니라 수학 자체에서 나온다. 하지만 실행 중인 게임에 쓰기에는 너무 느려서, 스튜디오는 사전 계산을 한다. 음향을 오프라인에서 계산하고 결과만 배포하는 것이다. 사전 계산이 산출하는 것과 플레이어가 설치하는 것 사이에는 100만 배를 넘는 차이가 있다.
이 분리가 누가 이 기법을 감당할 수 있는지를 결정한다. 140대 클러스터에서 몇 시간이 걸리는 사전 계산은 소규모 팀에게는 전혀 다른 문제다. 한 개발자의 보고를 계산해 보면 8코어 머신 한 대에서 연달아 실행할 경우 약 778시간이 된다(3,500 프로브 × 800초 ÷ 3,600). 각 프로브, 즉 레벨 안에서 소리를 시뮬레이션하는 샘플 지점은 서로 다른 연산 노드로 보낼 수 있으며, 같은 스레드가 클라우드 사전 계산을 가리키는 이유가 바로 이것이다. 이 접근법은 연구실의 신기한 시도가 아니다. Microsoft Research는 Gears of War, Sea of Thieves, Borderlands 3을 이 방식으로 만들어진 타이틀로 꼽는다.
| 지표 | 값 | 출처 |
|---|---|---|
| 원시 시뮬레이션 데이터 대 런타임에 인코딩된 데이터, Sanctuary 테스트 맵 | 56 TB 대 41 MB | 최신 확인 가능 데이터: Raghuvanshi와 Snyder, ACM TOG 2014 |
| 논문의 테스트 맵 5개에서의 사전 계산 시간과 인코딩 후 크기 | 140대 클러스터에서 4 | 최신 확인 가능 데이터: Raghuvanshi와 Snyder, ACM TOG 2014 |
| 프로젝트 하나에서 개발자가 보고한 사전 계산 부하 | 8코어 CPU에서 프로브당 800초, 3,500 프로브 | 최신 확인 가능 데이터: GitHub, microsoft/ProjectAcoustics, 이슈 55, 2021년 5월 27일 (개발자 1명의 보고) |
| 음향 매개변수 계열 하나의 압축하지 않은 데이터, 파동 부호화 대 잠재 모델 | 182 GB 대 14 MB (Wwise Audio Lab 장면), 3.1 GB 대 1.8 MB (Audio Gym 장면) | Seuté 외, Reciprocal Latent Fields, SIGGRAPH Conference Papers 2026 |
| 신경망 학습 데이터셋을 만들기 위한 경계요소 시뮬레이션 | 약 100,000개 객체에 약 12일, 최대 1,000 Hz | 최신 확인 가능 데이터: Tang 외, IEEE VR 2021 |
| 객체당 경계요소 시뮬레이션 시간, 125 Hz 대 1,000 Hz | 0.87 s 대 2.80 s | 최신 확인 가능 데이터: Tang 외, IEEE VR 2021 |
| 파동 시뮬레이션이 아닌 레이트레이싱 음향 맵의 사전 계산 시간 (Meta 자체 주장) | 장면 복잡도에 따라 수 초에서 수 분 | Meta, Acoustic Ray Tracing for Unity 문서 |
비교 참고: 41 MB는 압축된 수치이고 182 GB와 14 MB는 압축하지 않은 수치이므로, 두 행은 직접 비교할 수 없다. 2026년 논문은 압축을 범위 밖으로 보고 배율을 보고하지 않는다. 가장 큰 장면에 대한 저희 계산은 182,000 MB ÷ 14 MB = 13,000 대 1이다.
2. 런타임 비용: 음원당 마이크로초
사전 계산은 부담을 프레임 밖으로 옮긴다. 데이터가 일단 존재하면 이를 조회하는 비용은 거의 공짜에 가깝고, 이것이 이 기법을 옹호하는 논거의 전부다. 2.53 GHz의 Intel Xeon E5540에서 음원당 약 100마이크로초, 동시에 활성 음원 약 100개를 지원한다. 플레이어의 기기가 치르는 비용은 작은 조회이고, 비싼 부분은 이미 다른 사람의 클러스터에서 끝났다.
신경망 모델도 이제 같은 범위에서 경쟁한다. 최신 보고는 마이크로초에서 몇 밀리초 사이에 있지만, 동일한 조건에서 측정된 것은 아니다. 단일 CPU 스레드를 쓰는 것도 있고 고성능 GPU를 쓰는 것도 있으며, 프레임을 그래픽에 쓰고 있는 GPU는 공짜가 아니다. 이 표는 순위가 아니라 규모의 자릿수로 읽어야 한다.
| 지표 | 값 | 출처 |
|---|---|---|
| 음원당 디코딩 시간, 캐시 없이 무작위 지점 쌍 100,000개로 평균 | 약 100 μs, 활성 음원 약 100개 | 최신 확인 가능 데이터: Raghuvanshi와 Snyder, ACM TOG 2014 |
| PC에서의 음향 쿼리 시간, 버전 2.0 대 3.0 (Microsoft 자체 주장) | 캐시 적중(데이터가 이미 메모리에 있음) 25 | 최신 확인 가능 데이터: Microsoft, Project Acoustics 3.0 발표, 2022년 8월 31일 |
| 음원-수신자 쌍 100개당 잠재 모델 추론, CPU 스레드 1개 | 잠재 모델 변형 3종은 10 μs~93 μs, 대형 비교 네트워크는 247 μs | Seuté 외, SIGGRAPH 2026 |
| 음원과 청취자 위치에 대한 음향 효과 하나의 생성 시간 | RTX 2080 Ti에서 0.1밀리초 | Ratnarajah와 Manocha, Listen2Scene, IEEE VR 2024 |
| 가구가 있는 실내 장면에서 생성된 신경망 임펄스 응답 | RTX 2080 Ti에서 초당 10,000개 이상 | 최신 확인 가능 데이터: Ratnarajah 외, MESH2IR, ACM Multimedia 2022 |
| 프레임 시간, 레이트레이싱과 신경망 산란 예측, 장면 4개 | 6.78 ms~12.95 ms, 예측 자체는 뷰당 ≤1 ms | 최신 확인 가능 데이터: Tang 외, IEEE VR 2021 |
| 음원과 청취자 쌍당 VRWorks Audio 필터 (NVIDIA 자체 주장) | 필터 2개, 최대 48,000 Hz, 최대 2초 길이 | NVIDIA, VRWorks Audio SDK in Depth |
임펄스 응답은 공간이 한 번의 클릭 소리에 어떻게 반응하는지를 기록한 것이다. 이를 드라이 사운드에 적용하는 과정을 합성곱이라 하며, 이 단계에 필요한 필터 수는 공간의 세밀함에 따라 빠르게 늘어난다(섹션 4 참고).
3. 레이 예산: 수백만이 아니라 수천
오디오 레이트레이싱은 작은 허용량 안에서 이뤄진다. 모든 레이가 프레임의 나머지 작업과 시간을 다투기 때문이다. 기본값 4,096개라는 레이 수가 실시간 문제의 규모를 가장 분명하게 보여주는 숫자다. Steam Audio는 이 레이를 청취자로부터 추적하므로, 이 설정은 음원별 수치가 아니라 장면 전체에 대한 하나의 예산을 나타낸다.
출시된 게임이 이 수치를 공개하는 경우는 드물다. Massive Entertainment에 따르면 Avatar: Frontiers of Pandora는 하이브리드 시스템의 일부로, 소리 옵스트럭션을 위해 GPU에서 매 프레임 ‘수천 개의 레이’를 쏜다(스튜디오 자체 설명이며 정확한 개수는 없다). 옵스트럭션은 소리가 다른 경로로 여전히 청취자에게 도달하는 부분 차단을 뜻하며, 완전한 오클루전과 대비된다. 연구 시스템은 훨씬 깊은 추적을 보고하는데, 아래 표에서는 반사 차수 50~200차인 반면 Steam Audio의 기본값은 반사 4회다. 이 격차는 연구실 데모가 쓸 수 있는 규모와 기본 설정이 가정하는 규모 사이의 거리다.
| 지표 | 값 | 출처 |
|---|---|---|
| 기본 레이 수와 반사 횟수, 실시간 대 사전 계산 (Valve 기본 설정) | 레이 4,096개와 반사 4회 대 레이 16,384개와 반사 16회 | Valve, Steam Audio Unity 플러그인 소스 코드, 메인 브랜치 |
| 실시간 기본 한도 (Valve 기본 설정) | 음원 32개 (최대 128개), CPU 코어의 5% | Valve, Steam Audio Unity 플러그인 소스 코드 |
| 음원당 오클루전 샘플 상한 (Valve 기본 설정) | 기본 16, 범위 1~128 | Valve, Steam Audio Unity 플러그인 소스 코드 |
| 복잡한 건축 장면에서 GPU 컴퓨트 셰이더 레이트레이싱, RTX 2060 | 프레임당 레이 16,000개, 약 80-100 FPS | University of Gothenburg 학위논문, A GPU Compute Framework for Real-Time Ray-Traced Acoustic Simulation in Unity |
| 후기 잔향을 위해 추적하는 반사 차수 | 옥타브 대역 7개에서 200차, 125 Hz~8,000 Hz | 최신 확인 가능 데이터: Tang 외, IEEE VR 2021 |
| 멀티코어 PC에서 대화형 속도로 지원되는 반사 차수 | 정반사와 확산 반사 50~100차 | 최신 확인 가능 데이터: Rungta 외, 2017 |
| 샘플 지점당 평균 시뮬레이션 시간, 장면 3개, 초기 반사 대 후기 반사 | 16.7 ms | 최신 확인 가능 데이터: Rungta 외, P-Reverb, 2019 |
P-Reverb의 이 시간들은 플레이 중 프레임당이 아니라 사전 계산 중 지점당 값이다. 게임에서 엔지니어가 측정하는 잔향은 저희 콘서트홀 잔향 통계를 이끄는 것과 같은 물리량이지만, 밀리초 단위의 시간 제한 아래에서 계산된다는 점이 다르다.
4. 속도 향상: 주장 대 실측
이 분야의 헤드라인 배율은 모두 분모를 확인해야 한다. GPU 사전 계산의 50-150X라는 수치는 한 벤더의 자사 내장 트레이서와 비교한 값이며, 잔향 사전 계산을 대상으로 하고, 삼각형 80,000개와 140,000개짜리 장면 2개에서 측정됐다. 이는 오프라인 도구에 대한 유용한 사실이지만, 실행 중인 프레임에 어떤 일이 일어나는지는 전혀 말해주지 않는다.
GPU 연산에도 물리적 한계가 있다. 오디오에 할당하는 연산 유닛을 두 배로 늘려도 속도는 두 배가 되지 않으며, 오디오는 칩을 그래픽과 나눠 써야 한다. 또 다른 한계는 합성곱이다. 0차에서 3차 Ambisonics(소리를 16방향으로 분해하는 포맷)로 옮겨 가면 필터 수가 16배가 된다. 아래의 독립 논문 중 2편은 3x~5x의 향상을 보고하는데, 이는 같은 작업을 더 빠른 실리콘에서 돌려서가 아니라 작업량을 줄여서(레이와 샘플 지점을 줄여서) 얻은 것이다.
| 지표 | 값 | 출처 |
|---|---|---|
| Steam Audio 내장 레이 트레이서 대비 잔향 사전 계산 속도 향상 (Valve 자체 주장) | OpenCL 1.2 GPU에서 Radeon Rays로 50-150X, 최신 4코어 CPU에서 Embree로 약 20X | 최신 확인 가능 데이터: Valve, Steam Audio 뉴스, 2019년 10월 30일 |
| Radeon Rays의 GPU 연산 유닛 두 배 증가 시 속도 향상, 4에서 8 또는 8에서 16 (Valve 자체 주장) | 약 1.2x~1.9x | 최신 확인 가능 데이터: Valve, Steam Audio 뉴스, 2019년 2월 21일 |
| 음원 16개의 합성곱 필터 수, 3차 대 0차 Ambisonics (AMD 자체 데모) | 256 대 16 | 최신 확인 가능 데이터: AMD GPUOpen, Steam Audio의 TrueAudio Next 가속, 2019년 10월 21일 |
| 임펄스 응답 캐시를 사용한 적응형 레이트레이싱의 계산 시간, 기존 접근법 대비 | 5x 속도 향상 | 최신 확인 가능 데이터: Schissler와 Manocha, i3D 2016 |
| 같은 기법의 메모리 오버헤드, 기존 접근법 대비 | 약 2자릿수 낮음 | 최신 확인 가능 데이터: Schissler와 Manocha, i3D 2016 |
| 지각 임계값 기준 샘플 지점 클러스터링에 의한 속도 향상, 장면 3개 | 3x~4x | 최신 확인 가능 데이터: Rungta 외, P-Reverb, 2019 |
| CPU 기하 음향 알고리즘 대비 신경망 임펄스 응답 생성 | 200배 넘게 빠름 | 최신 확인 가능 데이터: Ratnarajah 외, MESH2IR, ACM Multimedia 2022 |
이상치 참고: MESH2IR의 배율은 GPU 기반 네트워크와 CPU 기반 알고리즘을 비교한 것이므로, 격차의 일부는 기법이 아니라 하드웨어에서 비롯된다. Valve의 장면별 값은 차트 이미지에만 나타나므로, 본문에 명시된 범위를 보고한다.
5. 오클루전과 정확도: 오차는 어디에 있는가
오클루전 자체에 가장 가까운 수치는 직접음 레벨이며, 2026년의 한 논문은 이를 거리 감쇠와 옵스트럭션을 포착하는 매개변수로 정의한다. 여기서 가장 성능이 좋은 잠재 모델 변형도 작은 장면에서는 1.9 dB, 더 큰 장면에서는 4.2 dB의 오차를 보인다. 2014년 파이프라인도 비슷한 규모의 음량 오차를 보고했다. 이는 기준 시뮬레이션에 대한 오차이지 실제 방에 대한 오차가 아니다.
실제 방과 비교하면 그림은 덜 우호적이다. Journal of the Acoustical Society of America의 상호 비교 시험(라운드 로빈)에서는 실측과의 차이가 항상 뚜렷하게 들렸고, 알고리즘은 대체로 그럴듯하지만 진짜는 아니라는 결과가 나왔다. 저자들은 이 격차를 주로 흡음과 산란 데이터의 단순화, 그리고 오클루전이 의존하는 바로 그 효과인 회절의 부실한 모델링 탓으로 본다. 이런 실측 기준이 있기 때문에 무향실 시험은 시뮬레이션 작업에서 여전히 중요하다.
| 지표 | 값 | 출처 |
|---|---|---|
| 완전히 인코딩된 파동 파이프라인의 평균 오차 | 음량 3.3 dB, 감쇠율 22.5% | 최신 확인 가능 데이터: Raghuvanshi와 Snyder, ACM TOG 2014 |
| 최고 성능 잠재 모델 변형의 평균 절대 오차, Audio Gym 장면 대 Wwise Audio Lab 장면 | 직접음 레벨 1.9 dB 대 4.2 dB, 도래 방향 3.8도 대 3.2도 | Seuté 외, SIGGRAPH 2026 |
| 예측된 음향 산란의 정규화 재현 오차, 전체 및 주파수별 | 전체 8.8%, 125 Hz에서 4.2%로 시작해 1,000 Hz에서 10%까지 상승 | 최신 확인 가능 데이터: Tang 외, IEEE VR 2021 |
| 예측된 음향 지표의 정답값 대비 편차 | 10% 미만 | 최신 확인 가능 데이터: Ratnarajah 외, MESH2IR, ACM Multimedia 2022 |
| 평균 자유 경로(반사 사이에 소리가 이동하는 평균 거리)와 잔향 시간의 기하학적 추정 | 3% 이내 및 4.6% 이내 | 최신 확인 가능 데이터: Rungta 외, P-Reverb, 2019 |
| 10차 회절 경로 탐색 속도, 이전 최고 수준 대비 | 최대 568배 빠름 | 최신 확인 가능 데이터: Schissler, Mückl, Calamia, SIGGRAPH 2021 |
| 실내 음향 시뮬레이션 상호 비교 시험: 시뮬레이션 대 실측 임펄스 응답, 음향 장면 6개와 복잡한 환경 3곳 | 차이가 ‘항상 뚜렷하게 들림’, ‘대체로 그럴듯하지만 진짜는 아님’ | 최신 확인 가능 데이터: Brinkmann 외, JASA 2019 |
레이 예산은 여기서도 나타난다. Gothenburg 학위논문은 이 GPU 트레이서가 초기 반사와 방향은 잘 모델링했지만 후기 잔향은 유지하지 못했다고 밝혔다. 레이 예산의 한계와 컴퓨트 셰이더의 분기 발산 때문에 에너지가 파동 기준보다 더 빨리 감쇠했다는 것이다. 논문은 GPU 오디오 레이트레이싱을 지각 품질과 공간 정확도를 높이는 보조 도구로 주로 사용해야 한다고 결론짓는다.
6. 지각: 청취자가 실제로 알아채는 것
이 분야에서 가장 유용한 결과는 정확도가 더 이상 중요하지 않게 되는 경우가 얼마나 잦은가일 수 있다. 게임 오디오 전문가들은 14 MB의 학습 모델을 전체 기준만큼 사실적이라고 평가했으며(p = 0.41), 단순한 자유 공간 모델은 그 절반에도 못 미치는 점수를 받았다. 이 테스트에서 지오메트리를 고려한 음향은 뚜렷하게 들렸지만 남은 물리적 오차는 들리지 않았고, 이는 마지막 몇 데시벨보다 구조가 더 중요할 수 있음을 시사한다.
맥락도 중요하다. 거리 판단은 동적 장면에서는 잔향 기법에 따라 달라졌지만 정적 장면에서는 그렇지 않았고, 2026년의 소규모 임장감 연구에서는 정합된 방이 잔향이 강한 방보다 나았지만 무향실보다 낫지는 않았다. 범용 청취 장비가 그 위에 자체 한계를 더한다는 점은 저희 게이밍 헤드셋 HRTF 정위 데이터가 보여주는 바와 같으며, 따라서 시뮬레이션된 음향은 체인의 마지막 단계만큼만 좋다.
| 지표 | 값 | 출처 |
|---|---|---|
| 평균 사실성 평가 (0-100), 잠재 모델 대 파동 부호화 기준 대 자유 공간 하한 앵커, 게임 오디오 전문가 28명 | 61.8 ± 3.8 대 62.6 ± 3.9 대 27.7 ± 4.1 | Seuté 외, SIGGRAPH 2026 |
| 같은 평가의 통계적 비교 | 잠재 모델 대 기준 p = 0.41, 둘 다 하한 앵커 대비 p < 0.001, Cohen의 d ≈ 1.4 | Seuté 외, SIGGRAPH 2026 |
| 지각 거리에 대한 잔향 기법의 효과, 동적 장면, 참가자 17명 | F(1,16) = 15.29, p < 0.01 | 최신 확인 가능 데이터: Rungta 외, 2017 |
| 실제 거리(dr)에 대한 지각 거리(Dr)의 거듭제곱 법칙 적합, 레이트레이싱 대 Schroeder 필터 | Dr = 1.56·dr^0.58 (R² = 0.94) 대 Dr = 1.08·dr^0.66 (R² = 0.99) | 최신 확인 가능 데이터: Rungta 외, 2017 |
| 지각 거리에 대한 잔향 기법의 효과, 정적 장면, 피험자 12명 | 유의한 효과 없음 | 최신 확인 가능 데이터: Rungta 외, 2017 |
| 렌더링 파이프라인 3종에서 사실성 평가에 유의한 차이가 있는 장면, 모집 71명 중 적격 온라인 참가자 51명 | 4개 중 2개: Floor χ² = 10.82, p < 0.01, Havana χ² = 8.27, p = 0.02 | 최신 확인 가능 데이터: Tang 외, IEEE VR 2021 |
| Meta Quest 3의 Unreal Engine 5에서 공간적 임장감, 비판적 청취자 10명 | 정합된 방(RT60 = 0.21 s)과 잔향이 강한 방(RT60 = 2.0 s) 사이에서만 유의한 하락 | Spacek, Lee, Johnson, AES AVAR Conference 2026 |
| 초기 반사의 평균 자유 경로에서 알아챌 수 있는 최소 변화, 온라인 참가자 106명 | 0.06 m | 최신 확인 가능 데이터: Rungta 외, P-Reverb, 2019 |
맥락 참고: 2026년 사실성 테스트는 음원 위치와 수신자 이동 경로가 고정된 사전 녹화 영상을 사용했으므로, 평가자는 카메라를 조작하지 않았다. 참가자 51명의 연구는 Amazon Mechanical Turk에서 온라인으로 진행됐다. 두 설계 모두 경쟁 플레이를 시험하지는 않는다.
숫자로 보는 게임의 레이트레이싱 오디오 오클루전과 음향 시뮬레이션
| 지표 | 값 | 출처 |
|---|---|---|
| 원시 시뮬레이션 데이터 대 인코딩된 데이터, 테스트 맵 하나 | 56 TB 대 41 MB | Raghuvanshi와 Snyder, ACM TOG 2014 |
| 음원당 디코딩 시간 | 약 100 μs | Raghuvanshi와 Snyder, ACM TOG 2014 |
| 파동 부호화 대 잠재 모델, 압축하지 않음, 매개변수 계열 하나 | 182 GB 대 14 MB | Seuté 외, SIGGRAPH 2026 |
| 사실성 평가, 잠재 모델 대 기준, 전문가 28명 | 61.8 대 62.6, p = 0.41 | Seuté 외, SIGGRAPH 2026 |
| Steam Audio 실시간 기본 레이 수와 반사 횟수 | 4,096개와 4회 | Valve, Steam Audio Unity 플러그인 소스 코드 |
| 약 80-100 FPS에서의 프레임당 레이 수, RTX 2060 | 16,000 | University of Gothenburg 학위논문 |
| 프레임 시간, 레이트레이싱과 신경망 산란, 장면 4개 | 6.78 ms~12.95 ms | Tang 외, IEEE VR 2021 |
| 예측된 산란의 정규화 재현 오차 | 8.8% | Tang 외, IEEE VR 2021 |
| 음향 효과 하나의 생성 시간, RTX 2080 Ti | 0.1밀리초 | Ratnarajah와 Manocha, IEEE VR 2024 |
| 초당 신경망 임펄스 응답 수, RTX 2080 Ti | 10,000개 이상 | Ratnarajah 외, ACM Multimedia 2022 |
| 10차 회절, 이전 최고 수준 대비 | 최대 568배 빠름 | Schissler, Mückl, Calamia, SIGGRAPH 2021 |
| 적응형 레이트레이싱 속도 향상, 기존 접근법 대비 | 5x | Schissler와 Manocha, i3D 2016 |
| 합성곱 필터 수, 음원 16개, 3차 Ambisonics (AMD 자체 데모) | 256 | AMD GPUOpen, 2019년 10월 21일 |
| 지각 거리에 대한 잔향 기법의 효과, 동적 장면 | F(1,16) = 15.29, p < 0.01 | Rungta 외, 2017 |
| 초기 반사의 평균 자유 경로에서 알아챌 수 있는 최소 변화 | 0.06 m | Rungta 외, P-Reverb, 2019 |
| 공간적 임장감, 정합된 방 대 잔향이 강한 방, 청취자 10명 | 유의한 하락 | Spacek, Lee, Johnson, AES AVAR 2026 |
| 시뮬레이션 대 실측 임펄스 응답, 테스트 환경 9곳 | 항상 뚜렷하게 들림 | Brinkmann 외, JASA 2019 |
방법론과 출처
- Raghuvanshi와 Snyder, Parametric Wave Field Coding for Precomputed Sound Propagation, ACM Transactions on Graphics 33(4), 2014
- Seuté, Vasudev, Richan, Buffoni, Reciprocal Latent Fields for Precomputed Sound Propagation, SIGGRAPH Conference Papers 2026
- Tang, Meng, Manocha, Learning Acoustic Scattering Fields for Dynamic Interactive Sound Propagation, IEEE VR 2021
- Ratnarajah와 Manocha, Listen2Scene, IEEE VR 2024
- Ratnarajah, Tang, Aralikatti, Manocha, MESH2IR, ACM Multimedia 2022
- Rungta, Rewkowski, Klatzky, Lin, Manocha, Effects of Virtual Acoustics on Dynamic Auditory Distance Perception, 2017
- Rungta, Rewkowski, Klatzky, Manocha, P-Reverb, 2019
- Schissler와 Manocha, Adaptive Impulse Response Modeling for Interactive Sound Propagation, i3D 2016
- Schissler, Mückl, Calamia, Fast Diffraction Pathfinding for Dynamic Sound Propagation, SIGGRAPH 2021
- Brinkmann, Aspöck, Ackermann, Lepa, Vorländer, Weinzierl, A Round Robin on Room Acoustical Simulation and Auralization, JASA 2019
- Spacek, Lee, Johnson, The Role of Room Acoustics in 6DoF Interactive Audio for XR, AES AVAR Conference 2026 프로그램
- University of Gothenburg, A GPU Compute Framework for Real-Time Ray-Traced Acoustic Simulation in Unity
- Valve, Steam Audio Unity 플러그인 설정 소스 및 Steam Audio 뉴스
- AMD GPUOpen, TrueAudio Next Acceleration of Steam Audio Sound Reflections
- NVIDIA, VRWorks Audio SDK in Depth
- Meta, Acoustic Maps in Acoustic Ray Tracing for Unity
- Project Acoustics 3.0 발표 및 Project Triton 개요
- Massive Entertainment, Ray Tracing Audio in Snowdrop
- GitHub, microsoft/ProjectAcoustics, 이슈 55
- 데이터 참고 사항: 이 분야의 공개 데이터 가운데 상당수는 오래된 것이어서, 2023년 10월 이전 날짜의 행은 표에 표시해 두었다. 출시된 게임이 레이 수나 오디오 프레임 예산을 공개하는 경우는 거의 없으며, 어떤 타이틀에 대해서도 그런 수치를 찾지 못했다. 벤더 수치는 주장으로 표시했고, 음향 시뮬레이션에 특화된 시장 규모 추정치는 찾지 못했으므로 인용하지 않는다. Tang 외 논문은 네트워크 오버헤드를 객체당 11 ms 미만과 뷰당 1 ms 미만이라는 두 가지로 기술하는데, 저희는 결과 표에 있는 뷰당 수치를 보고한다. 확인한 학위논문 페이지에는 저자도 연도도 표시되어 있지 않았고, AES AVAR 항목은 전체 논문이 아니라 프로그램 초록이다. 학계의 행 중 상당수는 Dinesh Manocha를 중심으로 한 하나의 연구 집단에서 나왔으므로, 서로 다른 연구이긴 하지만 완전히 독립적인 목소리는 아니다. GitHub의 사전 계산 부하는 2.0 시절 개발자 1명의 보고이며, VRWorks Audio SDK가 여전히 유지보수되고 있는지, Microsoft의 Project Acoustics 문서가 여전히 최신인지는 확인할 수 없었다. 2026년 10월에 확인했을 때 해당 문서 중 두 페이지가 일반 Xbox 개발자 허브로 리디렉션됐기 때문이다.
마지막 업데이트: 2026년 10월 31일. 저희는 이 정리를 분기마다 업데이트하며, 다음 갱신은 ACM SIGGRAPH Asia 2026 기술 논문이 공개될 때 이루어질 것으로 예상한다.