5

我需要帮助优化以下一组着色器:

顶点:

    precision mediump float;

uniform vec2 rubyTextureSize;

attribute vec4 vPosition;
attribute vec2 a_TexCoordinate;

varying vec2 tc;

void main() {
    gl_Position = vPosition;

    tc = a_TexCoordinate;
}

分段:

precision mediump float;

/*
 Uniforms
 - rubyTexture: texture sampler
 - rubyTextureSize: size of the texture before rendering
 */

uniform sampler2D rubyTexture;
uniform vec2 rubyTextureSize;
uniform vec2 rubyTextureFract;

/*
 Varying attributes
 - tc: coordinate of the texel being processed
 - xyp_[]_[]_[]: a packed coordinate for 3 areas within the texture
 */

varying vec2 tc;

/*
 Constants
 */
/*
 Inequation coefficients for interpolation
 Equations are in the form: Ay + Bx = C
 45, 30, and 60 denote the angle from x each line the cooeficient variable set builds
 */
const vec4 Ai = vec4(1.0, -1.0, -1.0, 1.0);
const vec4 B45 = vec4(1.0, 1.0, -1.0, -1.0);
const vec4 C45 = vec4(1.5, 0.5, -0.5, 0.5);
const vec4 B30 = vec4(0.5, 2.0, -0.5, -2.0);
const vec4 C30 = vec4(1.0, 1.0, -0.5, 0.0);
const vec4 B60 = vec4(2.0, 0.5, -2.0, -0.5);
const vec4 C60 = vec4(2.0, 0.0, -1.0, 0.5);

const vec4 M45 = vec4(0.4, 0.4, 0.4, 0.4);
const vec4 M30 = vec4(0.2, 0.4, 0.2, 0.4);
const vec4 M60 = M30.yxwz;
const vec4 Mshift = vec4(0.2);

// Coefficient for weighted edge detection
const float coef = 2.0;
// Threshold for if luminance values are "equal"
const vec4 threshold = vec4(0.32);

// Conversion from RGB to Luminance (from GIMP)
const vec3 lum = vec3(0.21, 0.72, 0.07);

// Performs same logic operation as && for vectors
bvec4 _and_(bvec4 A, bvec4 B) {
    return bvec4(A.x && B.x, A.y && B.y, A.z && B.z, A.w && B.w);
}

// Performs same logic operation as || for vectors
bvec4 _or_(bvec4 A, bvec4 B) {
    return bvec4(A.x || B.x, A.y || B.y, A.z || B.z, A.w || B.w);
}

// Converts 4 3-color vectors into 1 4-value luminance vector
vec4 lum_to(vec3 v0, vec3 v1, vec3 v2, vec3 v3) {
    //    return vec4(dot(lum, v0), dot(lum, v1), dot(lum, v2), dot(lum, v3));

    return mat4(v0.x, v1.x, v2.x, v3.x, v0.y, v1.y, v2.y, v3.y, v0.z, v1.z,
            v2.z, v3.z, 0.0, 0.0, 0.0, 0.0) * vec4(lum, 0.0);
}

// Gets the difference between 2 4-value luminance vectors
vec4 lum_df(vec4 A, vec4 B) {
    return abs(A - B);
}

// Determines if 2 4-value luminance vectors are "equal" based on threshold
bvec4 lum_eq(vec4 A, vec4 B) {
    return lessThan(lum_df(A, B), threshold);
}

vec4 lum_wd(vec4 a, vec4 b, vec4 c, vec4 d, vec4 e, vec4 f, vec4 g, vec4 h) {
    return lum_df(a, b) + lum_df(a, c) + lum_df(d, e) + lum_df(d, f)
            + 4.0 * lum_df(g, h);
}

// Gets the difference between 2 3-value rgb colors
float c_df(vec3 c1, vec3 c2) {
    vec3 df = abs(c1 - c2);
    return df.r + df.g + df.b;
}

void main() {

    /*
     Mask for algorhithm
     +-----+-----+-----+-----+-----+
     |     |  1  |  2  |  3  |     |
     +-----+-----+-----+-----+-----+
     |  5  |  6  |  7  |  8  |  9  |
     +-----+-----+-----+-----+-----+
     | 10  | 11  | 12  | 13  | 14  |
     +-----+-----+-----+-----+-----+
     | 15  | 16  | 17  | 18  | 19  |
     +-----+-----+-----+-----+-----+
     |     | 21  | 22  | 23  |     |
     +-----+-----+-----+-----+-----+
     */

    float x = rubyTextureFract.x;
    float y = rubyTextureFract.y;

    vec4 xyp_1_2_3 = tc.xxxy + vec4(-x, 0.0, x, -2.0 * y);
    vec4 xyp_6_7_8 = tc.xxxy + vec4(-x, 0.0, x, -y);
    vec4 xyp_11_12_13 = tc.xxxy + vec4(-x, 0.0, x, 0.0);
    vec4 xyp_16_17_18 = tc.xxxy + vec4(-x, 0.0, x, y);
    vec4 xyp_21_22_23 = tc.xxxy + vec4(-x, 0.0, x, 2.0 * y);
    vec4 xyp_5_10_15 = tc.xyyy + vec4(-2.0 * x, -y, 0.0, y);
    vec4 xyp_9_14_9 = tc.xyyy + vec4(2.0 * x, -y, 0.0, y);

    // Get mask values by performing texture lookup with the uniform sampler
    vec3 P1 = texture2D(rubyTexture, xyp_1_2_3.xw).rgb;
    vec3 P2 = texture2D(rubyTexture, xyp_1_2_3.yw).rgb;
    vec3 P3 = texture2D(rubyTexture, xyp_1_2_3.zw).rgb;

    vec3 P6 = texture2D(rubyTexture, xyp_6_7_8.xw).rgb;
    vec3 P7 = texture2D(rubyTexture, xyp_6_7_8.yw).rgb;
    vec3 P8 = texture2D(rubyTexture, xyp_6_7_8.zw).rgb;

    vec3 P11 = texture2D(rubyTexture, xyp_11_12_13.xw).rgb;
    vec3 P12 = texture2D(rubyTexture, xyp_11_12_13.yw).rgb;
    vec3 P13 = texture2D(rubyTexture, xyp_11_12_13.zw).rgb;

    vec3 P16 = texture2D(rubyTexture, xyp_16_17_18.xw).rgb;
    vec3 P17 = texture2D(rubyTexture, xyp_16_17_18.yw).rgb;
    vec3 P18 = texture2D(rubyTexture, xyp_16_17_18.zw).rgb;

    vec3 P21 = texture2D(rubyTexture, xyp_21_22_23.xw).rgb;
    vec3 P22 = texture2D(rubyTexture, xyp_21_22_23.yw).rgb;
    vec3 P23 = texture2D(rubyTexture, xyp_21_22_23.zw).rgb;

    vec3 P5 = texture2D(rubyTexture, xyp_5_10_15.xy).rgb;
    vec3 P10 = texture2D(rubyTexture, xyp_5_10_15.xz).rgb;
    vec3 P15 = texture2D(rubyTexture, xyp_5_10_15.xw).rgb;

    vec3 P9 = texture2D(rubyTexture, xyp_9_14_9.xy).rgb;
    vec3 P14 = texture2D(rubyTexture, xyp_9_14_9.xz).rgb;
    vec3 P19 = texture2D(rubyTexture, xyp_9_14_9.xw).rgb;

    // Store luminance values of each point in groups of 4
    // so that we may operate on all four corners at once
    vec4 p7 = lum_to(P7, P11, P17, P13);
    vec4 p8 = lum_to(P8, P6, P16, P18);
    vec4 p11 = p7.yzwx; // P11, P17, P13, P7
    vec4 p12 = lum_to(P12, P12, P12, P12);
    vec4 p13 = p7.wxyz; // P13, P7,  P11, P17
    vec4 p14 = lum_to(P14, P2, P10, P22);
    vec4 p16 = p8.zwxy; // P16, P18, P8,  P6
    vec4 p17 = p7.zwxy; // P17, P13, P7,  P11
    vec4 p18 = p8.wxyz; // P18, P8,  P6,  P16
    vec4 p19 = lum_to(P19, P3, P5, P21);
    vec4 p22 = p14.wxyz; // P22, P14, P2,  P10
    vec4 p23 = lum_to(P23, P9, P1, P15);

    // Scale current texel coordinate to [0..1]
    vec2 fp = fract(tc * rubyTextureSize);

    // Determine amount of "smoothing" or mixing that could be done on texel corners
    vec4 AiMulFpy = Ai * fp.y;
    vec4 B45MulFpx = B45 * fp.x;
    vec4 ma45 = smoothstep(C45 - M45, C45 + M45, AiMulFpy + B45MulFpx);
    vec4 ma30 = smoothstep(C30 - M30, C30 + M30, AiMulFpy + B30 * fp.x);
    vec4 ma60 = smoothstep(C60 - M60, C60 + M60, AiMulFpy + B60 * fp.x);
    vec4 marn = smoothstep(C45 - M45 + Mshift, C45 + M45 + Mshift,
            AiMulFpy + B45MulFpx);

    // Perform edge weight calculations
    vec4 e45 = lum_wd(p12, p8, p16, p18, p22, p14, p17, p13);
    vec4 econt = lum_wd(p17, p11, p23, p13, p7, p19, p12, p18);
    vec4 e30 = lum_df(p13, p16);
    vec4 e60 = lum_df(p8, p17);

    // Calculate rule results for interpolation
    bvec4 r45_1 = _and_(notEqual(p12, p13), notEqual(p12, p17));
    bvec4 r45_2 = _and_(not (lum_eq(p13, p7)), not (lum_eq(p13, p8)));
    bvec4 r45_3 = _and_(not (lum_eq(p17, p11)), not (lum_eq(p17, p16)));
    bvec4 r45_4_1 = _and_(not (lum_eq(p13, p14)), not (lum_eq(p13, p19)));
    bvec4 r45_4_2 = _and_(not (lum_eq(p17, p22)), not (lum_eq(p17, p23)));
    bvec4 r45_4 = _and_(lum_eq(p12, p18), _or_(r45_4_1, r45_4_2));
    bvec4 r45_5 = _or_(lum_eq(p12, p16), lum_eq(p12, p8));
    bvec4 r45 = _and_(r45_1, _or_(_or_(_or_(r45_2, r45_3), r45_4), r45_5));
    bvec4 r30 = _and_(notEqual(p12, p16), notEqual(p11, p16));
    bvec4 r60 = _and_(notEqual(p12, p8), notEqual(p7, p8));

    // Combine rules with edge weights
    bvec4 edr45 = _and_(lessThan(e45, econt), r45);
    bvec4 edrrn = lessThanEqual(e45, econt);
    bvec4 edr30 = _and_(lessThanEqual(coef * e30, e60), r30);
    bvec4 edr60 = _and_(lessThanEqual(coef * e60, e30), r60);

    // Finalize interpolation rules and cast to float (0.0 for false, 1.0 for true)
    vec4 final45 = vec4(_and_(_and_(not (edr30), not (edr60)), edr45));
    vec4 final30 = vec4(_and_(_and_(edr45, not (edr60)), edr30));
    vec4 final60 = vec4(_and_(_and_(edr45, not (edr30)), edr60));
    vec4 final36 = vec4(_and_(_and_(edr60, edr30), edr45));
    vec4 finalrn = vec4(_and_(not (edr45), edrrn));

    // Determine the color to mix with for each corner
    vec4 px = step(lum_df(p12, p17), lum_df(p12, p13));

    // Determine the mix amounts by combining the final rule result and corresponding
    // mix amount for the rule in each corner
    vec4 mac = final36 * max(ma30, ma60) + final30 * ma30 + final60 * ma60
            + final45 * ma45 + finalrn * marn;

    /*
     Calculate the resulting color by traversing clockwise and counter-clockwise around
     the corners of the texel

     Finally choose the result that has the largest difference from the texel's original
     color
     */
    vec3 res1 = P12;
    res1 = mix(res1, mix(P13, P17, px.x), mac.x);
    res1 = mix(res1, mix(P7, P13, px.y), mac.y);
    res1 = mix(res1, mix(P11, P7, px.z), mac.z);
    res1 = mix(res1, mix(P17, P11, px.w), mac.w);

    vec3 res2 = P12;
    res2 = mix(res2, mix(P17, P11, px.w), mac.w);
    res2 = mix(res2, mix(P11, P7, px.z), mac.z);
    res2 = mix(res2, mix(P7, P13, px.y), mac.y);
    res2 = mix(res2, mix(P13, P17, px.x), mac.x);

    gl_FragColor = vec4(mix(res1, res2, step(c_df(P12, res1), c_df(P12, res2))),
            1.0);
}

着色器接收 2D 纹理,旨在在高分辨率 2D 表面(设备屏幕)上漂亮地缩放它。它是对 SABR 缩放算法的优化,以防万一。

它已经可以工作,并且在非常高端的设备(如 LG Nexus 4)上运行良好,但在较弱的设备上运行速度确实很慢。

对我来说真正重要的设备是带有 Mali 400MP GPU 的三星 Galaxy S 2 \ 3 - 使用此着色器的性能非常糟糕。

到目前为止,我已经尝试过:

  1. 消除变化(来自 ARM 的 Mali 指南的建议)- 做了微小的改进。
  2. 用我自己的覆盖 mix() 函数 - 没有好处。
  3. 将浮点精度降低到 lowp - 没有改变任何东西。

我通过计算渲染时间(eglSwapBuffers 之前和之后)来测量性能——这给了我一个非常线性和一致的性能测量。

除此之外,我真的不知道在哪里看或可以在这里优化什么......

我知道这是一个繁重的算法,我并不是在寻求关于使用哪些替代缩放方法的建议——我已经尝试了很多,这个算法给出了最好的视觉结果。我希望以优化的方式使用完全相同的算法。

更新

  1. 我发现如果我使用常量向量而不是依赖向量进行所有纹理提取,我会获得重大的性能提升,所以这显然是一个很大的瓶颈 - 可能是因为缓存。但是,我仍然需要进行这些提取。我玩了至少一些使用 vec2 变化的提取(没有任何混合),但它并没有改善任何东西。我想知道什么可能是有效轮询 21 个纹素的好方法。

  2. 我发现计算的主要部分是使用完全相同的一组纹素进行多次 - 因为输出至少按 x2 缩放,并且我使用 GL_NEAREST 进行轮询。至少有 4 个片段落在完全相同的纹素上。如果在高分辨率设备上缩放为 x4,则有 16 个片段落在相同的纹素上——这是一种很大的浪费。有没有办法执行额外的着色器通道来计算在多个片段之间不会改变的所有值?我考虑过渲染到额外的屏幕外纹理,但我需要为每个纹素存储多个值,而不仅仅是一个。

更新

  1. 尝试使用已知的布尔规则来简化布尔表达式 - 为我节省了一些操作,但对性能没有任何影响。

更新

  1. 考虑了一种将计算传递给顶点着色器的方法——只有一个“几何”可以创建我的全屏,但是在缩放之前有很多顶点对应于每个原始像素。例如,如果我的原始纹理是 320x200,而我的目标屏幕是 1280x800,则将有 320x200 个顶点均匀分布。然后,在这些顶点中进行大部分计算。问题是 - 我的目标设备(S2 \ S3)不支持顶点纹理采样。

更新

  1. 在 LG Nexus 4 与三星 Galaxy S3 上测量的性能表明,Nexus 4 的运行速度要快 10 倍以上。怎么会这样?这些是同一代、相同分辨率等的 2 台设备...... Mali 400MP 在某些情况下真的很糟糕吗?我敢肯定,与 Nexus 4 相比,有一些非常具体的东西使它运行得如此缓慢(但还没有找到)。
4

3 回答 3

3

texture2D根据我的经验,移动 GPU 性能大致与调用次数成正比。你有 21 个,这确实很多。通常,内存查找比计算慢数百倍,因此您可以进行大量计算,但仍然会遇到纹理查找的瓶颈。(这也意味着优化其余代码可能效果不大,因为这意味着它在等待纹理查找时不是很忙,而是在等待纹理查找时处于空闲状态。)所以你需要减少您调用的纹理 2D 数量。

很难说如何做到这一点,因为我不太了解你的着色器,但有一些想法:

  • 将其分成水平传球,然后是垂直传球。这仅适用于某些着色器,例如模糊,但它会严重减少纹理查找的数量。例如,一个 5x5 的高斯模糊会天真地进行 25 次纹理查找;如果水平完成然后垂直完成,它只使用 10。
  • 使用线性过滤来“作弊”。如果您在启用线性过滤的情况下准确地在 4 个像素之间而不是 1 个像素的中间进行采样,您将免费获得所有 4 个像素的平均值。但是我不知道它如何影响你的着色器。再次在模糊示例中,使用线性过滤在中间像素的任一侧同时采样两个像素允许您通过 3 个纹理 2D 调用采样 5 个像素,从而将水平和垂直的 5x5 模糊减少到仅 6 个样本。
  • 只需使用较小的内核(因此您不会采集太多样本)。这会影响质量,因此您可能需要某种方法来检测设备性能并在设备看起来很慢时切换到较低质量的着色器。
于 2013-05-18T13:55:04.373 回答
2

您可能需要注意一些 Mali-400 的奇怪之处:

  • 你真的应该在没有任何混合纹理查找的情况下使用变量(即在顶点着色器中计算“xyp_1_2_3.xw”等,并使用每个纹理查找一个变量而不是混合它们)。
  • 在某些特定数量的指令下(不幸的是,保密协议阻止我透露这个数字),性能下降得非常严重。您可以从离线编译器获取指令计数。为了解决这个问题,您可以将着色器拆分为多个较小的着色器,并使用未记录的 GL_ARM_framebuffer_read-extension 读取前一个着色器的结果。(谷歌似乎可以告诉你如何使用它。在离线着色器编译器的二进制文件中搜索一下也可能会有所帮助)
于 2013-05-19T10:42:32.857 回答
0

片段着色器性能的上限(执行时间的下限)由 21 次纹理加载和一次写入帧缓冲区 ( gl_FragColor =) 设置。构建一个片段着色器是值得的,它只执行 21 次加载,将每次加载的结果累积到单个 vec4 中,然后将其写出。如果您在麻烦的目标硬件上运行此着色器,您将知道更复杂的着色器所在位置与其在那些特定 GPU/驱动程序/平台修订版上的最大潜在性能之间的差异。你真正的着色器只能比这慢,所以如果这个简单的测试着色器本身太慢,你将不得不寻找更远的地方寻找解决方案。

一旦建立了基线,我只有模糊的建议来改进你真正感兴趣的着色器,但也许我的推理是感兴趣的。我看到您的代码在顶部将所有纹理负载聚集在一起。在硬件层面,纹理加载具有极长的延迟,但 GPU 着色器处理器能够在运行时执行其他操作,包括在同一工作块中运行其他线程。这广泛地意味着,在负载之间分布有大量算术工作的最终着色器二进制文件将在负载的阴影下免费执行算术工作,并且使用少量寄存器的着色器程序将允许在同时,每个线程可能在执行其算术工作,而其他线程被阻止加载纹素。希望,任何着色器编译器都会移动您的代码以实现所需的交错。但是,帮助它不会有什么坏处,因此:

  • 尝试在不中断的情况下将文件中的每个算术语句(按词法)向上移动到尽可能高的位置。如果编译器错过了一个技巧,这可以帮助分散你的负载。
  • 尝试尽快使用所有中间结果,以便编译器可以识别它们的变量已死,从而释放寄存器。这可能会减少寄存器的使用,从而增加程序的占用率。实现此效果的一个想法是,如果您有一堆在最后求和的部分结果,则将在生成每个部分结果时将包含部分结果的许多变量的最终总和转换为累加到单个变量中。

与往常一样,YMMV

于 2013-05-20T19:01:14.070 回答