KTX-Software 4.4.0版本发布:纹理压缩与处理工具的重大更新
KTX-Software是Khronos Group开发的一个开源项目,专注于为图形开发者提供高效的纹理压缩和处理工具。该项目包含了一系列命令行工具和库函数,能够帮助开发者创建、转换、验证和处理KTX(Khronos Texture)格式的纹理文件。KTX格式是Khronos Group为图形应用设计的标准纹理格式,广泛应用于游戏开发、虚拟现实和增强现实等领域。
核心更新内容
规范兼容性提升
KTX-Software 4.4.0版本全面兼容KTX规范修订版4和Khronos数据格式规范1.4版本。这一更新带来了几个重要改进:
-
传输函数处理机制进行了全面重构,现在支持在非sRGB格式中使用几乎任何传输函数,这为开发者提供了更大的灵活性。
-
新增了对"none"(KTX_DF_PRIMARIES_UNSPECIFIED)原色值的支持,这是KTX规范修订版4中某些格式所必需的。
-
在超级压缩文件时,现在会保留DFD中的bytesPlane[0-7]字段值,确保与Khronos数据格式规范1.4版本的兼容性。
新增工具与功能
4.4.0版本引入了多个新工具和功能:
-
ktx compare:全新的比较工具,可以对比KTX2文件之间的差异。
-
ktx deflate:支持使用Zlib或Zstd对KTX2文件进行压缩,替代了原有的ktxsc工具功能。
-
ktx create增强:
- 新增了
--assign-texcoord-origin和--convert-texcoord-origin选项,用于处理纹理坐标原点 - 增加了
--normalize和--scale选项,用于纹理数据归一化和缩放 - 支持对非原始输入图像进行尺寸调整
- 新增了
-
ktx encode增强:现在支持将KTX2文件编码为ASTC格式。
库函数更新
libktx库新增了几个重要函数:
-
ktxTexture2_DecodeAstc:将ASTC格式纹理解码为非压缩格式。 -
ktxLoadOpenGL:允许应用程序显式加载库使用的GL函数指针,特别适用于某些平台(如Fedora)上OpenGL函数查询受限的情况。 -
多个写入和销毁函数(如
ktxTexture2_Write*和ktxTexture[12]_Destroy)现在成为公共API的一部分。
绑定改进
JavaScript绑定重写
JavaScript绑定几乎完全重写,现在支持libktx的读写功能:
-
工厂函数名称从
LIBKTX改为createKtxModule(旧名称仍作为别名保留)。 -
移除了类名中的
ktx前缀,使API更加简洁。 -
枚举器和常量命名与libktx保持一致,便于记忆和使用。
-
新增了完整的测试套件,同时也作为使用示例。
Java绑定重大改进
Java绑定经过大规模重构,主要改进包括:
-
新增了
deflateZstd、deflateZLIB和createFromMemory等方法。 -
修复了
KtxBasisParams#setInputSwizzle函数导致的数据损坏问题。 -
提高了常量命名和处理的统一性。
-
改进了错误处理机制,增加了JavaDocs文档。
-
暴露了超级压缩函数和
ktxTexture_GLUpload功能。
性能与兼容性
-
ASTC编码器更新至5.2.0版本,提供更好的压缩效率和性能。
-
新增了对SSIM和PSNR比较的支持,可用于ASTC编码质量评估。
-
改进了对EXR 2.0输入文件的支持。
已知问题与注意事项
-
不同平台(x86_64和arm64)使用GCC编译的zlib压缩文件可能不完全相同。
-
WebGL开发者需要注意纹理尺寸限制,可能需要预先调整输入图像尺寸。
-
Basis Universal编码结果在不同平台上会有轻微差异(非确定性)。
-
UASTC RDO结果在多次运行中会有变化,除非禁用多线程。
-
Vulkan和GL加载器暂不支持深度/模板纹理。
总结
KTX-Software 4.4.0版本是一个重要的里程碑更新,不仅提升了规范兼容性,还增加了多个实用工具和功能。特别是JavaScript和Java绑定的改进,使得这些平台的开发者能够更便捷地使用KTX格式的强大功能。对于图形开发者而言,这个版本提供了更完善的纹理处理工具链,从创建、编码、压缩到比较的完整工作流程支持。虽然存在一些平台相关的已知问题,但整体而言,4.4.0版本为开发者提供了更强大、更稳定的纹理处理解决方案。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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