GPU特征处理技术

Posted 2021-06-08 吴建明

GPU特征处理技术

GPU和CPU有何不同？

现代片上系统（SoC）通常集成中央处理器（CPU）和图形处理器（GPU）。设计不同，这可能更取决于处理的数据集的类型。

CPU经过优化，可以一次对几块数据执行大量分支任务。在CPU上运行的线程通常是唯一的，并且是独立执行的，通常独立于所有其他线程。任何给定的处理元素都将在单个线程中进行处理。CPU上程序的典型线程数通常为1到8个，在任何时间段内最多为几十个。

GPU经过优化，工作原理是同一段代码将在多个线程中执行，通常数为数百万，以处理当今设备的大屏幕分辨率。这些线程只在输入上不同，通常遵循完全相同的执行步骤。

并行性

每个图形处理器在多线程上以单指令多数据（SIMD）处理的形式，并发执行同一条指令。

SIMD体系结构的主要优点，对于结构正确的应用程序，可以并行运行大量线程，效率极高。SIMD体系结构通常能够同时运行比典型CPU多几个数量级的线程。

SIMD设计用于处理大的相干数据集，在这类任务中表现得非常出色。因此，在大型相干数据集上独立运行的算法（如图形和图像处理），非常适合这种处理器类型。

 

 

 矢量和标量处理

现代图形核心体系结构具有多个基于矢量或标量的处理单元。都受不同版本的PowerVR体系结构支持–Series 5 supporting vector，以及Series 6、Series 7和Series 8 supporting scalar。

标量处理单元对每个处理单元的单个值进行操作。

向量处理单元对每个处理单元处理多个值。

矢量

向量处理可以非常有效，因为执行单元可以同时处理多个值，而不是只处理一个值。对于颜色和顶点操作，这种类型的架构是非常有效的。因此，传统的渲染操作非常适合这种体系结构，因为计算通常同时对三个或四个元素进行操作。

向量体系结构的主要缺点是，如果使用标量值或小于处理器期望值的向量，则会浪费额外的处理元素宽度。最常见的向量宽度是4，这意味着主要操作三个分量向量的着色器或内核将以75%的效率操作这些指令。一次只在一个标量上工作的着色器可能会将这个数字降低到25%。这会浪费能源和性能，因为处理器的某些部分没有做任何工作。可以通过矢量化代码对此进行优化，但这会增加程序员的负担。

标量

标量处理器在每个硬件周期可以执行的操作方面往往更加灵活，因为不需要用数据填充额外的处理宽度。虽然向量架构可能在同一个硅区域中处理更多的值，但对于非向量化代码，在标量架构中每个时钟的实际有用结果数通常会更高。标量体系结构往往更适合于通用处理和更高级的渲染技术。

关于消除混叠反采样

该技术引入了GRLAA（Gradient Line Anti-Aliasing，梯度线消除混叠），这是一种相对简单有效的方法，用于处理汽车导航应用中经常出现的混叠线。

在信号处理学科中，有一个特定的采样频率称为奈奎斯特频率。当以低于奈奎斯特频率的频率对信号进行采样时，从这些采样重构的信号与原始信号不同。原始信号和重构信号之间的差异表现为伪影。这种效果称为“混叠”。

本文讨论了计算机图形学中两种最常见的混叠现象。第一种是“锯齿状”（下图1），这里原本是一条对角线的直线，看起来像锯齿状的楼梯。这是由图形卡的“光栅化器阶段”引入的，将“中间”像素渲染为开或关。

 

 

 第二种是采样混叠。这是当一个高频（快速变化的）纹理被用来渲染远处的某物时，比如图2中的棋盘格图案，并且似乎创建了被称为moir的可见人工制品模式。

 

 

 有几种算法可用于消除可见锯齿的数量，并去除staircase上的伪影artefacts。但是，这些算法可能会产生适中的性能成本，这取决于它所部署的硬件。

超级采样消除混叠（SSAA）。这是一种暴力技术，比最终分辨率高出整数倍（x2，x4）的分辨率渲染整个场景，然后对整个帧缓冲区进行下采样，产生所需的最终分辨率。结果，锯齿和纹理伪影采样，进行优良的质量和改善，但技术显然是极其昂贵的。渲染成本（包括光栅操作、片段操作和相关带宽）乘以分辨率乘数的平方，即x4表示x2 SSAA，x16表示x4等

多采样消除混叠（MSAA）。这种技术通过将图像渲染到一个缓冲区，增加每个像素的采样数，该缓冲区能够存储每个像素的多个采样。然后解析该缓冲区，生成与viewport分辨率匹配的输出。这在PowerVR硬件上非常有效，因为解析是在芯片上执行的，节省了宝贵的内存带宽。MSAA改善了锯齿，但没有对伪影进行采样。

基于着色器的技术，如快速近似消除混叠（FXAA）或亚像素形态，消除混叠（SMAA）。这两种技术分析检测和模糊锐化的几何特征。在屏幕空间中执行的后处理算法，通常具有固定的成本（一次全屏传递），但需要更多的内存带宽，这在移动和嵌入式设备上通常是额外的。