Slang项目新增Cluster Geometry加速结构内建函数支持
概述
随着NVIDIA Blackwell架构的发布,光线追踪技术迎来了新的Cluster Geometry加速结构特性。作为现代着色器语言编译器的Slang项目,近期完成了对这一新特性的支持,为开发者提供了访问集群加速结构的能力。
Cluster Geometry技术背景
Cluster Geometry是NVIDIA在最新硬件架构中引入的一种新型加速结构,它将几何体组织成多个集群(Cluster),每个集群拥有唯一的标识符。这种结构带来了几个显著优势:
- 更精细的几何体管理粒度
- 更高效的光线追踪性能
- 支持更复杂的场景组织方式
Slang中的实现细节
Slang编译器现在支持三种主要API中的集群访问功能:
1. TraceRay API支持
开发者现在可以通过NvRtGetClusterID()内建函数获取当前光线追踪过程中的集群ID。这个功能对应于SPIR-V中的ClusterIDNV操作码和OptiX中的optixGetClusterId()函数。
2. HitObject API增强
HitObject接口新增了GetClusterID()方法,允许在命中着色器中查询命中对象的集群信息。底层实现映射到SPIR-V的OpHitObjectGetClusterIdNV操作码。
3. Ray Query API扩展
Ray Query接口增加了两个新方法:
CandidateClusterID():获取候选交点的集群IDCommittedClusterID():获取已提交交点的集群ID
这些方法为开发者提供了更精细的光线追踪控制能力。
底层技术实现
在SPIR-V层面,这些新特性依赖于SPV_NV_cluster_acceleration_structure扩展和RayTracingClusterAccelerationStructureNV能力标志。Slang编译器现在能够正确生成这些SPIR-V指令,确保与底层硬件的兼容性。
开发者价值
这一更新为使用Slang的开发者带来了直接的技术优势:
- 更高效的场景遍历:通过集群ID可以优化复杂场景的光线追踪性能
- 更精细的着色控制:基于集群ID实现差异化的着色效果
- 更好的硬件特性利用:充分发挥最新GPU架构的性能潜力
总结
Slang项目对Cluster Geometry加速结构的支持,体现了该项目紧跟图形硬件发展前沿的承诺。这一更新不仅丰富了着色器语言的功能集,也为光线追踪应用开发开辟了新的优化可能性。开发者现在可以借助这些新特性,构建更加高效和复杂的实时渲染解决方案。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C081
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0135
Spark-Formalizer-X1-7BSpark-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