USD项目在Intel Mac上使用Radeon Pro 560时的纹理创建问题分析
在Pixar的USD项目开发过程中,开发人员发现了一个特定硬件环境下的纹理创建问题。该问题出现在配备Intel处理器和Radeon Pro 560显卡的Mac设备上,当执行aovInputTask任务创建深度缓冲区纹理时会导致程序崩溃。
问题现象
当系统尝试创建深度缓冲区纹理时,会抛出以下Metal API验证错误:
-[MTLTextureDescriptorInternal validateWithDevice:] failed assertion Texture Descriptor Validation MTLTextureDescriptor: Depth, Stencil, DepthStencil textures cannot be allocated with MTLStorageModeShared or MTLStorageModeManaged on this device.
这个错误表明在当前设备上,深度、模板或深度模板纹理不能使用MTLStorageModeShared或MTLStorageModeManaged存储模式进行分配。
问题根源
经过技术分析,这个问题是在项目提交#3215中引入的。具体来说,问题出在纹理创建时使用的资源选项设置上。在pxr/imaging/hgiMetal/texture.mm文件的第27行,纹理创建时使用了不兼容的存储模式选项。
解决方案
开发团队发现,当将resourceOptions设置为MTLResourceStorageModePrivate时,该问题在Radeon Pro 560平台上能够得到解决。这个修改确保了纹理创建使用设备私有的存储模式,而不是共享或托管模式,从而避免了硬件限制导致的崩溃问题。
技术背景
在Metal图形API中,纹理存储模式决定了数据如何在CPU和GPU之间传输和存储:
- MTLStorageModePrivate:完全由GPU管理,CPU无法直接访问
- MTLStorageModeShared:CPU和GPU都可以访问
- MTLStorageModeManaged:主要用于macOS,允许CPU和GPU访问,但需要显式同步
某些特定类型的纹理(如深度/模板缓冲区)在某些硬件上对存储模式有特殊限制,这通常与硬件的内存架构和优化策略有关。Radeon Pro 560显卡对深度相关纹理的存储模式限制就是一个典型的例子。
影响范围
这个问题主要影响:
- 使用Intel处理器和Radeon Pro 560显卡组合的Mac设备
- 涉及深度缓冲区创建的渲染流程
- 使用特定版本USD库的项目
修复状态
该问题已被Pixar内部标记为USD-10522,并已通过代码提交b787c84得到修复。修复方案已被合并到项目主分支中。
对于遇到类似问题的开发者,建议检查纹理创建时的存储模式设置,特别是在处理深度相关纹理时,考虑使用MTLResourceStorageModePrivate选项作为兼容性解决方案。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00