DirectXShaderCompiler中SV_ShadingRate输入生成无效SPIR-V的问题解析
在DirectXShaderCompiler(DXC)项目中,开发者发现当像素着色器使用SV_ShadingRate语义作为输入时,会生成无效的SPIR-V代码。这个问题在2024年11月被报告,并在2025年1月得到修复。
问题现象
当HLSL着色器代码中使用SV_ShadingRate语义作为像素着色器的输入参数时,DXC编译器生成的SPIR-V代码会触发验证错误。具体错误信息表明,在Vulkan环境下,OpTypeStruct结构体类型不能包含不透明类型(opaque type)。错误信息中提到的SamplerStateProvider__Resources结构体包含了多个采样器类型,这违反了Vulkan的SPIR-V验证规则。
技术背景
SV_ShadingRate是DirectX 12引入的可变速率着色(Variable Rate Shading)功能相关的语义标记。它允许开发者在像素着色器中访问或设置着色率信息。当这个语义被用作像素着色器输入时,编译器需要正确处理并将其映射到SPIR-V的相应表示。
在Vulkan中,SPIR-V有严格的类型系统规则。特别是结构体类型不能包含某些特殊类型,如采样器类型。这个问题表明编译器在将HLSL代码转换为SPIR-V时,没有正确处理SV_ShadingRate语义相关的类型信息。
问题根源
经过分析,这个问题是由于某些优化过程在合法化阶段未能正确运行导致的。具体来说,当处理SV_ShadingRate语义时,编译器可能因为某些扩展的限制而跳过了必要的优化步骤,导致生成了不符合Vulkan规范的SPIR-V代码。
解决方案
该问题已在DXC的主干分支中得到修复。修复的关键在于确保所有必要的优化和合法化过程都能在处理SV_ShadingRate语义时正确执行。特别是修复了在某些情况下优化过程被错误跳过的问题。
影响范围
这个问题主要影响:
- 使用SV_ShadingRate作为像素着色器输入的HLSL代码
- 目标为Vulkan 1.1及以上版本的SPIR-V输出
- 使用特定编译器选项组合的情况
开发者建议
对于遇到类似问题的开发者,建议:
- 升级到包含修复的DXC版本
- 检查着色器代码中SV_ShadingRate的使用方式
- 验证生成的SPIR-V代码是否符合目标Vulkan版本的要求
这个问题展示了HLSL到SPIR-V转换过程中的复杂性,特别是在处理特定语义和类型系统差异时。开发者在跨平台着色器开发中应当注意这类语义映射问题。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00