[发明专利]用于加速数据结构修整的装置和方法

说明书

用于加速数据结构修整的装置和方法。例如，装置的一个实施例包括：光线生成器，用于在第一图形场景中生成多条光线；层级式加速数据结构生成器，用于构建包括多个层级式布置的节点的加速数据结构，多个层级式布置的节点包括按深度优先搜索(DFS)顺序被存储在存储器中的内节点和叶节点；遍历硬件逻辑，用于使光线中的一条或多条光线遍历通过加速数据结构；相交硬件逻辑，用于确定一条或多条光线与层级式加速数据结构内的一个或多个基元的相交；节点修整单元，包括用于按逆DFS顺序连续地读取通过存储器中的至少内节点、以便对层级式加速数据结构执行自底至顶的修整操作的电路和/或逻辑。

本申请是申请号为201911191075.1，申请日为2019年11月28日、优先权日为2018年12月28日、题为“用于加速数据结构修整的装置和方法”的发明专利申请的分案申请。

技术领域

本发明总体上涉及图形处理器的领域。更具体地，本发明涉及用于执行更高效的光线追踪操作的装置和方法。

背景技术

光线追踪是在其中通过基于物理的渲染来模拟光传输的技术。尽管在电影渲染中广泛使用，但是直到仅仅几年前，人们认为其对于实时性能是过于资源密集型的。光线追踪中的关键操作之一是被称为“光线遍历”的对光线-场景相交的可见性查询，“光线遍历”通过遍历包围体层级结构(BVH)中的节点并使BVH中的节点相交来计算光线-场景相交。

降噪已成为对于具有平滑的、无噪声图像的实时光线追踪的关键特征。可跨分布式系统在多个设备上完成渲染，但是到目前为止，现有的降噪框架全都对于单个机器上的单个实例进行操作。如果正在跨多个设备进行渲染，则这些设备可能无法使所有经渲染的像素对于计算图像的经降噪的部分可访问。

附图说明

结合以下附图，从以下具体实施方式可获得对本发明更好的理解，其中：

图1是具有处理器的计算机系统的实施例的框图，该处理器具有一个或多个处理器核和图形处理器；

图2是处理器的一个实施例的框图，该处理器具有一个或多个处理器核、集成存储器控制器以及集成图形处理器；

图3是图形处理器的一个实施例的框图，该图形处理器可以是分立的图形处理单元，或者可以是与多个处理核集成的图形处理器；

图4是用于图形处理器的图形处理引擎的实施例的框图；

图5是图形处理器的另一实施例的框图；

图6A-图6B图示执行电路和逻辑的示例；

图7图示根据实施例的图形处理器执行单元指令格式；

图8是图形处理器的另一实施例的框图，该图形处理器包括图形流水线、媒体流水线、显示引擎、线程执行逻辑以及渲染输出流水线；

图9A是图示根据实施例的图形处理器命令格式的框图；

图9B是图示根据实施例的图形处理器命令序列的框图；

图10图示根据实施例的用于数据处理系统的示例性图形软件架构；

图11A-图11B图示示例性IP核开发系统，其可用于制造集成电路和示例性封装组件；

图12图示根据实施例的可使用一个或多个IP核来制造的示例性芯片上系统集成电路；

图13A-图13B是图示根据本文中描述的实施例的用于在SoC内使用的示例性图形处理器的框图；

图14A-图14B图示示例性图形处理器架构；

图15图示用于执行机器学习架构的初始训练的架构的一个实施例；

图16图示在其中持续训练机器学习引擎并在运行时期间更新机器学习引擎的一个实施例；