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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0301- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









