CN117392251B - Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法 - Google Patents

Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法 Download PDF

Info

Publication number
CN117392251B
CN117392251B CN202311658087.7A CN202311658087A CN117392251B CN 117392251 B CN117392251 B CN 117392251B CN 202311658087 A CN202311658087 A CN 202311658087A CN 117392251 B CN117392251 B CN 117392251B
Authority
CN
China
Prior art keywords
texture data
decoding
data
astc
mesa
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311658087.7A
Other languages
English (en)
Other versions
CN117392251A (zh
Inventor
董龙江
温健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Haima Cloud Tianjin Information Technology Co Ltd
Original Assignee
Haima Cloud Tianjin Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Haima Cloud Tianjin Information Technology Co Ltd filed Critical Haima Cloud Tianjin Information Technology Co Ltd
Priority to CN202311658087.7A priority Critical patent/CN117392251B/zh
Publication of CN117392251A publication Critical patent/CN117392251A/zh
Application granted granted Critical
Publication of CN117392251B publication Critical patent/CN117392251B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Graphics (AREA)
  • Image Generation (AREA)

Abstract

本申请提供了一种Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法和装置、电子设备及存储介质，方法包括：在容器安卓中利用Mesa 3D图形库集成的ASTC解码算法对编码后的纹理数据进行解码，其中，所述ASTC解码算法的实现过程包括：从源数据地址对应的内存区域获取编码后的纹理数据，对编码后的纹理数据进行解码得到解码后的纹理数据，并将解码后的纹理数据存储在目标数据地址对应的内存区域，源数据地址和目标数据地址对应的内存区域中的数据均以切片的形式存储，相邻的切片之间存在固定的步幅；通过外挂的PCI显卡对目标数据地址对应的内存区域中解码后的纹理数据进行渲染，通过该方案能够提高云应用画面的渲染帧率，从而提高云应用运行的流畅度。

Description

Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法
技术领域
本发明涉及计算机技术领域，特别涉及一种Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法和装置、电子设备及存储介质。
背景技术
云应用（比如云游戏）领域中，云端服务器存在两种架构：一种是基于SoC（Systemon Chip，片上系统）的ARM(Advanced RISC Machines，进阶精简指令集机器)阵列；另一种是基于ARM大核服务器并外挂PCI（Peripheral Component Interconnect，外设部件互连标准）显卡。基于ARM大核服务器并外挂PCI显卡的云应用架构下，一般操作系统都是Linux，在Linux系统中使用docker（是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的容器中，然后发布到Linux或Windows操作系统的机器上，实现虚拟化）容器化技术运行安卓系统，然后在安卓系统中使用Mesa 3D图形库，直接访问外挂PCI显卡设备，为安卓系统提供图形显示服务。
为了节省存储空间，手机应用通常会大量使用各种格式的压缩纹理，目前应用较多的压缩纹理格式是ASTC（ASTC是由ARM公司和AMD公司联合开发的一种基于块的有损压缩格式）。应用运行时，通过显卡直接将压缩纹理解码成非压缩纹理并渲染非压缩纹理。
而Mesa 3D图形库虽然也支持ASTC格式压缩纹理的解码，但是解码过程是通过CPU来完成的，然而采用CPU解码压缩纹理的算法效率非常低，以一个1024×1024大小的压缩纹理为例，解压耗时100毫秒左右，导致云应用画面的渲染帧率较低，使得云应用运行的流畅度较低。
发明内容
综上，本申请实施例提供一种Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法和装置、电子设备及存储介质，能够提高云应用画面的渲染帧率，从而提高云应用运行的流畅度。
第一方面，本申请实施例提供了一种Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法，应用于云服务器，包括：
在容器安卓中利用Mesa 3D图形库集成的ASTC解码算法对编码后的纹理数据进行解码，其中，所述ASTC解码算法的实现过程包括：从源数据地址对应的内存区域获取编码后的纹理数据，对编码后的纹理数据进行解码得到解码后的纹理数据，并将解码后的纹理数据存储在目标数据地址对应的内存区域，源数据地址和目标数据地址对应的内存区域中的数据均以切片的形式存储，相邻的切片之间存在固定的步幅；
通过外挂的PCI显卡对目标数据地址对应的内存区域中解码后的纹理数据进行渲染。
第二方面，本申请实施例还提供了一种Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化装置，应用于云服务器，包括：
解码单元，用于在容器安卓中利用Mesa 3D图形库集成的ASTC解码算法对编码后的纹理数据进行解码，其中，所述ASTC解码算法从源数据地址对应的内存区域获取编码后的纹理数据，对编码后的纹理数据进行解码得到解码后的纹理数据，并将解码后的纹理数据存储在目标数据地址对应的内存区域，源数据地址和目标数据地址对应的内存区域中的数据均以切片的形式存储，相邻的切片之间存在固定的步幅；
渲染单元，用于通过外挂的PCI显卡对目标数据地址对应的内存区域中解码后的纹理数据进行渲染。
第三方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如第一方面所述的Mesa3D图形库中ASTC格式的纹理数据的解码性能优化方法的步骤。
第四方面，本申请实施例还提供了一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如第一方面所述的Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法的步骤。
综上，本申请实施例提供的Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法和装置、电子设备及存储介质，对ARM公司提供的高效ASTC解码算法进行优化，使之满足Mesa 3D图形库的要求，通过将优化后的ASTC解码算法集成到Mesa 3D图形库中，使得容器安卓可以使用Mesa 3D图形库中实现优化后的ASTC解码算法的相应接口来解码编码后的纹理数据，从而能够提高云应用画面的渲染帧率，从而提高云应用运行的流畅度。
附图说明
图1为本申请实施例提供的一种Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法的流程示意图；
图2为astc-encoder算法的数据结构示意图；
图3为ASTC解码算法的数据结构示意图；
图4为本申请实施例提供的一种Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化装置的结构示意图；
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。
ASTC是ARM公司开发出来的压缩格式，ARM公司也提供了一套高效的通过CPU解码编码后的纹理数据（ASTC格式）的ASTC解码算法（astc-encoder算法）。但是astc-encoder算法只支持读取连续的源数据，以及写目标数据到连续内存地址，不满足Mesa 3D图形库中读写非连续的源数据和目标数据的要求。
基于此，本申请修改astc-encoder算法（修改优化后的算法即下文中的ASTC解码算法），使之支持读写非连续的数据，即满足Mesa 3D图形库中读写非连续的源数据和目标数据的要求，之后将ASTC解码算法集成到Mesa 3D图形库中进行纹理解码。
参照图1所示，为本申请实施例提供的一种Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法，应用于云服务器，包括：
S10、在容器安卓中利用Mesa 3D图形库集成的ASTC解码算法对编码后的纹理数据进行解码，其中，所述ASTC解码算法的实现过程包括：从源数据地址对应的内存区域获取编码后的纹理数据，对编码后的纹理数据进行解码得到解码后的纹理数据，并将解码后的纹理数据存储在目标数据地址对应的内存区域，源数据地址和目标数据地址对应的内存区域中的数据均以切片的形式存储，相邻的切片之间存在固定的步幅；
本实施例中，需要说明的是，astc-encoder算法解码的过程是将一组连续的源数据（即编码后的纹理数据）转换成一组连续的目标数据（即解码后的纹理数据），参看图2为astc-encoder算法的数据结构示意图，图2中源数据和目标数据均是连续存储在内存中的，但是Mesa 3D图形库在转换过程中，源数据可能并不是连续的，而是以切片的形式提供，每一组切片都有固定的步幅src_stride（即源数据切片在内存区域的存储长度）。目标数据也不一定是连续的，也是以切片的形式存放，每一组切片也有固定的步幅dst_stride（即目标数据切片在内存区域的存储长度）。因此，为了满足Mesa 3D图形库中读写非连续的源数据和目标数据的要求，对astc-encoder算法进行修改，修改后的算法（即ASTC解码算法）的数据结构示意图如图3所示，图3中源数据之间存在固定的步幅src_stride，目标数据之间也存在固定的步幅dst_stride，ASTC解码算法的数据结构满足Mesa 3D图形库的要求，如此便可将ASTC解码算法集成到Mesa 3D图形库中，在安卓容器中便可使用Mesa 3D图形库中集成的ASTC解码算法，并由CPU基于ASTC解码算法进行压缩纹理解码。ASTC解码算法中，源数据偏移地址基于src_stride确定，目标数据地址基于dst_stride确定。源数据偏移地址指的是相较于源数据切片在内存中存储的起始地址的偏移量，目标数据地址指的是目标数据切片在内存中的存储地址。源数据切片在内存中存储的起始地址是确定的，因此，基于源数据偏移地址可以确定源数据切片在内存中的存储地址，即源数据地址。基于源数据地址可以获得整个源数据切片，不同源数据切片之间存在步幅src_stride；基于目标数据地址，可以获得整个目标数据切片，不同目标数据切片之间存在步幅dst_stride。
S11、通过外挂的PCI显卡对目标数据地址对应的内存区域中解码后的纹理数据进行渲染。
本申请实施例提供的Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法，对ARM公司提供的高效ASTC解码算法进行优化，使之满足Mesa 3D图形库的要求，通过将优化后的ASTC解码算法集成到Mesa 3D图形库中，使得容器安卓可以使用Mesa 3D图形库中实现优化后的ASTC解码算法的相应接口来解码编码后的纹理数据，从而能够提高云应用画面的渲染帧率，从而提高云应用运行的流畅度。
在前述方法实施例的基础上，ASTC解码算法中源数据偏移地址计算方式可以为：offset=(z×yblocks＋y)×src_stride＋x×16，其中，offset为源数据偏移地址，x、y和z分别为源数据横向坐标点位置、源数据纵向坐标点位置和源数据深度坐标点位置，z可以取值为1，yblocks为源数据纵向分块索引，src_stride为源数据切片步幅长度；
ASTC解码算法中目标数据地址计算方式可以为：data8_row=data8＋(dst_stride×yy)＋(4×x_start)，其中，data8_row为目标数据地址，data8为目标数据起始地址，dst_stride为目标数据切片步幅长度，yy为目标数据纵向分块索引，x_start为目标数据横向分块索引。
在前述方法实施例的基础上，在所述在容器安卓中利用Mesa 3D图形库集成的ASTC解码算法对编码后的纹理数据进行解码之前，还可以包括：
在Mesa 3D图形库初始化时，建立至少一个内部转化表bsd，并将所述至少一个内部转化表bsd存储在内存中；
其中，所述对编码后的纹理数据进行解码得到解码后的纹理数据，包括：
利用所述至少一个内部转化表bsd对编码后的纹理数据进行解码得到解码后的纹理数据。
本实施例中，需要说明的是，ASTC压缩格式一共支持4×4、5×4、5×5、6×5、6×6、8×5、8×6、10×5、10×6、8×8、10×8、10×10、12×10、12×12这14种不同大小纹理块的压缩。astc-encoder算法在使用过程中，每解码一张纹理，都需要初始化该纹理使用的纹理块对应的内部转换表bsd，bsd的初始化耗时非常长，比解码的时间还要多，为了减少解码时间，ASTC解码算法采用优化方案如下：在Mesa 3D图形库初始化时，就先建立好至少1个内部转化表bsd，用内存换取时间，这样，在每次解码数据时，不再需要做bsd的初始化，能够节省一半的解码时间。需要说明的是，压缩纹理解码过程使用的初始化表的种类由云应用确定，因此，可以基于容器安卓中实际运行的云应用来确定要建立的内部转化表bsd，或者建立14个bsd的初始化表（由于ASTC一共支持14种纹理块，因而也需要14种内部转换表bsd），以供基于具体的云应用来选择使用相应的bsd。
在前述方法实施例的基础上，所述利用所述至少一个内部转化表bsd中的一个内部转化表bsd对编码后的纹理数据进行解码得到解码后的纹理数据，可以包括：
启用多线程，以使所述多线程利用所述至少一个内部转化表bsd对编码后的纹理数据进行解码得到解码后的纹理数据。
本实施例中，需要说明的是，ARM大核服务器有多个CPU核心（比如80个CPU核心），因而可以启用多线程来加速解码过程。在实际的环境中，8个线程可以达到最佳解码时间，因此可以选定线程个数为8。
本实施例中，在将ASTC解码算法移植到Mesa 3D图形库的基础上，通过多线程优化，可以使一个1024×1024大小的压缩纹理解压耗时从100毫秒左右缩减到10毫秒以内，云应用性能大幅提升，云应用画面渲染帧率可达60FPS（Frames Per Second，每秒传输帧数）。
参照图4所示，为本申请实施例提供的一种Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化装置，应用于云服务器，包括：
解码单元40，用于在容器安卓中利用Mesa 3D图形库集成的ASTC解码算法对编码后的纹理数据进行解码，其中，所述ASTC解码算法从源数据地址对应的内存区域获取编码后的纹理数据，对编码后的纹理数据进行解码得到解码后的纹理数据，并将解码后的纹理数据存储在目标数据地址对应的内存区域，源数据地址和目标数据地址对应的内存区域中的数据均以切片的形式存储，相邻的切片之间存在固定的步幅；
渲染单元41，用于通过外挂的PCI显卡对目标数据地址对应的内存区域中解码后的纹理数据进行渲染。
本申请实施例提供的Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化装置，对ARM公司提供的高效ASTC解码算法进行优化，使之满足Mesa 3D图形库的要求，通过将优化后的ASTC解码算法集成到Mesa 3D图形库中，使得容器安卓可以使用Mesa 3D图形库中实现优化后的ASTC解码算法的相应接口来解码编码后的纹理数据，从而能够提高云应用画面的渲染帧率，从而提高云应用运行的流畅度。
在前述装置实施例的基础上，所述装置还可以包括：
建立单元，用于在所述解码单元工作之前，在Mesa 3D图形库初始化时，建立至少一个内部转化表bsd，并将所述至少一个内部转化表bsd存储在内存中；
其中，所述解码单元，具体可以用于：
利用所述至少一个内部转化表bsd对编码后的纹理数据进行解码得到解码后的纹理数据。
在前述装置实施例的基础上，所述解码单元，具体可以用于：
启用多线程，以使所述多线程利用所述至少一个内部转化表bsd对编码后的纹理数据进行解码得到解码后的纹理数据。
在前述装置实施例的基础上，所述多线程的数量可以为8。
本申请实施例提供的Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化装置，其实现过程与本申请实施例提供的Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法一致，所能达到的效果也与本申请实施例提供的Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法相同，在此不再赘述。
如图5所示，本申请实施例提供的一种电子设备，包括：处理器50、存储器51和总线52，所述存储器51存储有所述处理器50可执行的机器可读指令，当电子设备运行时，所述处理器50与所述存储器51之间通过总线52通信，所述处理器50执行所述机器可读指令，以执行如上述Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法的步骤。
具体地，上述存储器51和处理器50能够为通用的存储器和处理器，这里不做具体限定，当处理器50运行存储器51存储的计算机程序时，能够执行上述Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法。
对应于上述Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法的步骤。
以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法，应用于云服务器，其特征在于，包括：
在容器安卓中利用Mesa 3D图形库集成的ASTC解码算法对编码后的纹理数据进行解码，其中，所述ASTC解码算法的实现过程包括：从源数据地址对应的内存区域获取编码后的纹理数据，对编码后的纹理数据进行解码得到解码后的纹理数据，并将解码后的纹理数据存储在目标数据地址对应的内存区域，源数据地址和目标数据地址对应的内存区域中的数据均以切片的形式存储，相邻的切片之间存在固定的步幅；
通过外挂的PCI显卡对目标数据地址对应的内存区域中解码后的纹理数据进行渲染。
2.根据权利要求1所述的方法，其特征在于，在所述在容器安卓中利用Mesa 3D图形库集成的ASTC解码算法对编码后的纹理数据进行解码之前，还包括：
在Mesa 3D图形库初始化时，建立至少一个内部转化表bsd，并将所述至少一个内部转化表bsd存储在内存中；
其中，所述对编码后的纹理数据进行解码得到解码后的纹理数据，包括：
利用所述至少一个内部转化表bsd对编码后的纹理数据进行解码得到解码后的纹理数据。
3.根据权利要求2所述的方法，其特征在于，所述利用所述至少一个内部转化表bsd中的一个内部转化表bsd对编码后的纹理数据进行解码得到解码后的纹理数据，包括：
启用多线程，以使所述多线程利用所述至少一个内部转化表bsd对编码后的纹理数据进行解码得到解码后的纹理数据。
4.根据权利要求3所述的方法，其特征在于，所述多线程的数量为8。
5.一种Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化装置，应用于云服务器，其特征在于，包括：
解码单元，用于在容器安卓中利用Mesa 3D图形库集成的ASTC解码算法对编码后的纹理数据进行解码，其中，所述ASTC解码算法从源数据地址对应的内存区域获取编码后的纹理数据，对编码后的纹理数据进行解码得到解码后的纹理数据，并将解码后的纹理数据存储在目标数据地址对应的内存区域，源数据地址和目标数据地址对应的内存区域中的数据均以切片的形式存储，相邻的切片之间存在固定的步幅；
渲染单元，用于通过外挂的PCI显卡对目标数据地址对应的内存区域中解码后的纹理数据进行渲染。
6.根据权利要求5所述的装置，其特征在于，还包括：
建立单元，用于在所述解码单元工作之前，在Mesa 3D图形库初始化时，建立至少一个内部转化表bsd，并将所述至少一个内部转化表bsd存储在内存中；
其中，所述解码单元，具体用于：
利用所述至少一个内部转化表bsd对编码后的纹理数据进行解码得到解码后的纹理数据。
7.根据权利要求6所述的装置，其特征在于，所述解码单元，具体用于：
启用多线程，以使所述多线程利用所述至少一个内部转化表bsd对编码后的纹理数据进行解码得到解码后的纹理数据。
8.根据权利要求7所述的装置，其特征在于，所述多线程的数量为8。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至4任一项所述的Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法的步骤。
10.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1至4任一项所述的Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法的步骤。
CN202311658087.7A 2023-12-06 2023-12-06 Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法 Active CN117392251B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311658087.7A CN117392251B (zh) 2023-12-06 2023-12-06 Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311658087.7A CN117392251B (zh) 2023-12-06 2023-12-06 Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法

Publications (2)

Publication Number Publication Date
CN117392251A CN117392251A (zh) 2024-01-12
CN117392251B true CN117392251B (zh) 2024-02-09

Family

ID=89472412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311658087.7A Active CN117392251B (zh) 2023-12-06 2023-12-06 Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法

Country Status (1)

Country Link
CN (1) CN117392251B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108810544A (zh) * 2017-04-28 2018-11-13 想象技术有限公司 用于纹理解压缩的多输出解码器
CN113778604A (zh) * 2021-09-15 2021-12-10 腾讯数码（深圳）有限公司 一种操作界面的展示方法、装置、电子设备和存储介质
CN114299220A (zh) * 2021-11-19 2022-04-08 腾讯科技(成都)有限公司 光照贴图的数据生成方法、装置、设备、介质及程序产品
CN115989673A (zh) * 2020-08-26 2023-04-18 元平台技术有限公司 经速率控制的图像和纹理数据压缩
CN116128983A (zh) * 2022-12-05 2023-05-16 抖音视界有限公司 图片处理的方法和装置、图片渲染的方法和装置
CN116843736A (zh) * 2022-03-25 2023-10-03 腾讯科技（深圳）有限公司 场景渲染方法及装置、计算设备、存储介质和程序产品

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190087930A1 (en) * 2017-09-18 2019-03-21 Qualcomm Incorporated Adding metadata to texture surfaces for bandwidth compression
US11783509B2 (en) * 2020-10-30 2023-10-10 Microsoft Technology Licensing, Llc Locally varying numerical ranges for data compression
US20220343544A1 (en) * 2021-04-26 2022-10-27 The Boeing Company Dividing an astc texture to a set of sub-images

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108810544A (zh) * 2017-04-28 2018-11-13 想象技术有限公司 用于纹理解压缩的多输出解码器
CN115989673A (zh) * 2020-08-26 2023-04-18 元平台技术有限公司 经速率控制的图像和纹理数据压缩
CN113778604A (zh) * 2021-09-15 2021-12-10 腾讯数码（深圳）有限公司 一种操作界面的展示方法、装置、电子设备和存储介质
CN114299220A (zh) * 2021-11-19 2022-04-08 腾讯科技(成都)有限公司 光照贴图的数据生成方法、装置、设备、介质及程序产品
CN116843736A (zh) * 2022-03-25 2023-10-03 腾讯科技（深圳）有限公司 场景渲染方法及装置、计算设备、存储介质和程序产品
CN116128983A (zh) * 2022-12-05 2023-05-16 抖音视界有限公司 图片处理的方法和装置、图片渲染的方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于GPU编程的地形纹理快速渲染方法研究;高辉;张茂军;熊志辉;;小型微型计算机系统;20090415(04);全文 *

Also Published As

Publication number Publication date
CN117392251A (zh) 2024-01-12

Similar Documents

Publication Publication Date Title
KR102590644B1 (ko) 증강 현실 콘텐츠의 아틀라스 관리를 위한 방법 및 장치
KR101952922B1 (ko) 중간-분류 아키텍처에서 프레임 대 프레임 일관성의 활용
US9024959B2 (en) Demand-paged textures
US9830308B2 (en) Rendering apparatus and method for operating a web-platform
US10699361B2 (en) Method and apparatus for enhanced processing of three dimensional (3D) graphics data
CN111292387B (zh) 动态图片的加载方法、装置、存储介质及终端设备
WO2017172053A2 (en) Method and apparatus for multi format lossless compression
CN103888771A (zh) 基于gpgpu技术的并行视频图像处理方法
CN113778604A (zh) 一种操作界面的展示方法、装置、电子设备和存储介质
CN105635740A (zh) 对图像进行解码的方法及装置
WO2017105595A1 (en) Graphics processor logic for encoding increasing or decreasing values
US12020378B2 (en) Compressed geometry rendering and streaming
CN117392251B (zh) Mesa 3D图形库中ASTC格式的纹理数据的解码性能优化方法
CN113835890A (zh) 一种渲染数据处理方法、装置、设备和存储介质
CN107993184A (zh) 一种图形处理器深度值提前测试电路
CN116263982B (zh) 图形处理器、系统、方法、电子装置及设备
CN104424661A (zh) 三维对象显示方法和装置
CN116958375A (zh) 图形处理器、系统、装置、设备及方法
CN110796587B (zh) Drawcall调用处理方法、装置、终端及存储介质
CN116263981B (zh) 图形处理器、系统、装置、设备及方法
CN116957898B (zh) 图形处理器、系统、方法、电子装置及电子设备
US20240371086A1 (en) Method and apparatus for rendering virtual scene, device, and storage medium
WO2023202366A1 (zh) 图形处理器、系统、电子装置、设备及图形处理方法
CN113220249A (zh) 一种图像显示方法、装置及存储介质
KR20230149319A (ko) 프리미티브들의 배치들의 지오메트리 프로세싱을 위한 스케일러블 프리미티브 레이트 아키텍처

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant