7.5 语义词(Semantic)与语义绑定(Binding Semantics)

文章内容源自《GPU编程与CG语言之阳春白雪下里巴人》,因笔者读书易中途放弃,遂每读一章节,将其移至简书平台,以此作为对自己读书的勉励。笔者用粗体斜体 标注了关键词句,望感兴趣的读者们一起学习共勉。猛戳这里查看更多!

7.5 语义词(Semantic)与语义绑定(Binding Semantics)

语义词,表示输入图元的数据含义(是位置信息,还是法向量信息),也表明这些图元数据存放的硬件资源寄存器或者纹理缓冲区)。顶点着色程序和片段着色程序中 Varying inputs 类型的输入,必须和一个语义词相绑定,这称之为绑定语义(binding semantics)。

7.5.1 输入语义与输入语义的区别

语义概念的提出和图形流水线工作机制大有关系。从前面所讲的 GPU 处理流程中可以看出,一个阶段处理数据,然后传输给下一个阶段,那么每个阶段之间的接口是如何确定的呢?例如:顶点处理器的输入数据是处于模型空间的顶点数据(位置、法向量),输出的是投影坐标和光照颜色;片段处理器要将光照颜色做为输入,问题是“片段处理器怎么知道光照颜色值的存放位置”?

在高级语言中(C/C++),数据从接口的一端流向另一端,是因为提供了数据存放的内存位置(通常是指针信息);由于 Cg 语言并不支持指针机制,且图形硬件处理过程中,数据通常暂存在寄存器中,故而在 Cg 语言中,通过引入语义绑定(binding semantics)机制,指定数据存放的位置,实际上就是将输入 \ 输出数据和寄存器做一个映射关系(在 OpenGL Cg profiles 中是这样的,但在 DirectX-based Cg profiles 中则并没有这种映射关系)。根据输入语义,图形处理器从某个寄存器取数据;然后再将处理好的数据,根据输出语义,放到指定的寄存器。

记住这一点:语义,是两个处理阶段(顶点程序、片段程序)之间的输入\ 输出数据和寄存器之间的桥梁,同时语义通常也表示数据的含义,如 POSITION 一般表示参数种存放的数据是顶点位置。

语义,只对两个处理阶段的输入\输出数据有意义,也就是说,语义只有在入口函数中才有效,在内部函数(一个阶段的内部处理函数,和下一个阶段没有 数据传递关系)则无效,被忽略(Semantics attached to parameters to non-main functions are ignored(261 页));

语义,分为输入语义输入语义;输入语义和输出语义是有区别的。虽然一些参数经常会使用相同的绑定语义词,例如:顶点 Shader 的输入参数,POSITION 指应用程序传入的顶点位置,而输出参数使用 POSITION 语义就表示要反馈给硬件光栅器的裁剪空间位置,光栅器把 POSITION 当成一个位置信息。虽然两个语义都命名为 POSITION,但却对应着图形流水线上不同的寄存器。

说明:

在 OpenGL Cg profiles 中,语义绑定指定了输入 \ 输出数据和图形硬件寄存器之间的对应关系;但是在 DirectX Cg profiles 中,则并非如此。在文献【3】的第 25 页写到:In the OpenGL Cg profiles, binding semantics implicitly specify the mapping of varying inputs to particular hardware registers. However, in DirectX based Cg profiles there is no such implied mapping. 在文献【3】的第 260 页写到: Often, these predefined names correspond to the names of hardware registers or API resources

7.5.2 顶点着色程序的输入语义

图 13 所示的这组绑定语义关键字被 Cg 语言的所有 vertex profile 所支持, 一些 profile 支持额外的语义词。

图 13 定点着色程序输入语义词

语义词 POSITION0 等价于 POSITION,其他的语义词也有类似的等价关系。 为了说明语义词的含义,举例如下:

in float4 modelPos: POSITION

表示该参数中的数据是的顶点位置坐标(通常位于模型空间),属于输入参数,语义词 POSITION 是输入语义,如果在 OpenGL 中则对应为接受应用程序传递的顶点数据的寄存器(图形硬件上)。

in float4 modelNormal: NORMAL

表示该参数中的数据是顶点法向量坐标(通常位于模型空间),属于输入参数,语义词 NORMAL 是输入语义,如果在 OpenGL 中则对应为接受应用程序传递的顶点法向量的寄存器(图形硬件上)。

注意,上面的参数都被声明为四元向量,通常我们在应用程序涉及的顶点位置和法向量都是三元向量,至于为什么要将三元向量便为四元向量,又称齐次坐标,具体请看附录 A。顶点位置坐标传入顶点着色程序中转化为四元向量,后一元数据为 1,而顶点法向量传入顶点着色程序中转化为四元向量,后一元数据为 0

7.5.3 顶点着色程序的输出语义

顶点程序的输出数据被传入到片断程序中,所以顶点着色程序的输出语义词,通常也是片段程序的输入语义词,不过语义词POSITION除外。

下面这些语义词适用于所有的 Cg vertex profiles 作为输出语义和 Cg fragment profiles 的输入语义:POSITION,PSIZE,FOG,COLOR0-COLOR1, TEXCOORD0-TEXCOORD7

顶点着色程序必须声明一个输出变量,并绑定POSITION语义词,该变量中的数据将被用于,且只被用于光栅化! 如果没有声明一个绑定POSITION语义词 的输出变量,如下所示的代码:

void main_v(float4 position: POSITION,
        //out float4 oposition : POSITION,
        uniform float4x4 modelViewProj)
{
    //oposition = mul(modelViewProj,position);
}

在使用 vp20 和 vp30 编译时会提示错误信息:error C6014: Required output ‘HPOS’ not written。在使用 vs_2_0 和 vs_3_0 编译时会提示错误信息:error C6014: Required output ‘POSITION’ not written.

为了保持顶点程序输出语义和片段程序输入语义的一致性,通常使用相同的 struct 类型数据作为两者之间的传递,这是一种非常方便的写法,推荐使用。例如:

struct VertexIn {
    float4 position : POSITION;
    float4 normal   : NORMAL;
}; 

struct VertexScreen {
    float4 oPosition : POSITION;
    float4 objectPos : TEXCOORD0;
    float4 objectNormal : TEXCOORD1;
};

注意:当使用struct结构中的成员变量绑定语义时,需要注意到顶点着色程序中使用的POSITION语义词,是不会被片段程序所使用的。

如果需要从顶点着色程序向片段程序传递数据,例如顶点投影坐标、光照信息等,则可以声明另外的参数,绑定到TEXCOORD系列的语义词进行数据传递, 实际上TEXCOORD系列的语义词通常都被用于从顶点程序向片段程序之间传递数据

当然,你也可以选择不使用struct结构,而直接在函数形参中进行语义绑定。无论使用何种方式,都要记住vertex program中的绑定语义(POSITION除外)的输出形参中的数据会传递到fragment program中绑定相同语义的输入形参中

7.5.3 片段着色程序的输出语义

片段着色程序的输出语义词较少,通常是COLOR。这是因为片段着色程序运行完毕后,就基本到了GPU流水线的末端了。片段程序必须声明一个out向量(三元或四元),绑定语义词COLOR,这个值将被用作该片断的终颜色值。例如:

void main_f(out float4 color : COLOR) {
      color.xyz = float3(1.0,1.0,1.0);
      color.w = 1.0;
} 

一些fragment profile支持输出语义词DEPTH,与它绑定的输出变量会设置片断的深度值;还有一些支持额外的颜色输出,可以用于多渲染目标(multiple render targets , MRTs)。

和顶点着色程序一样,片断着色程序也可以将输出对象放入一个结构体中。不过,这种做法未必方便,理由是:片断着色程序的输出对象少,常用的就是颜色值(绑定输出语义词COLOR),单独的一个向量没有必要放到结构体中。而顶点着色程序输出的对象很多,在有些光照或阴影计算中,往往要输出顶点的世界坐标、法向量、光的反射方向、折射方向、投影纹理坐标等数据,这些数据统一放到结构体中方便管理。

7.5.4 语义绑定方法

入口函数输入\输出数据的绑定语义有 4 种方法(文献【3】第 260 页)

  1. 绑定语义放在函数的参数列表的参数声明后面中
[const] [in | out | inout]<type><identifier> [ : 
<binding-semantic>][=<initializer>]

其中,const 作为可选项,修辞形参数据;in、out、inout 作为可选项,说明数据的调用方式;type 是必选项,声明数据的类型;identifier 是必选项,形参变量名;一个冒号“:”加上一个绑定语义,是可选项;后是初始化参数,是可选项。如下代码所示。形参列表中的参数一、参数二绑定到输入语义;参数三、参数四绑定到输出语义;尽管参数 1 和参数 3 的绑定语义词一样,但前者是输入语义,后者是输出语义,所以这两个参数数据所对应的硬件位置是不一样的。

void mian_v(float4 position_obj : POSITION,
            float3 normal_obj : NORMAL,
            out float4 oPosition : POSITION,
            out float4 oColor  : COLOR,
            uniform float4x4 modelViewProj)
{
    ………………
}
  1. 绑定语义可以放在结构体(struct)的成员变量后面
struct <struct-tag> 
{ 
    <type><identifier> [:<binding-semantic >]; 
};

举例如下,结构 C2E1v_Outpu 中的 2 个成员变量分别绑定到语义 POSITIONCOLOR,然后在 C2E1v_green 顶点程序入口函数中输出,所以 C2E1v_Outpu 中的语义是输出语义。

struct C2E1v_Output
{
    float4 position : POSITION;
    float3 color   : COLOR;
}; 
 
C2E1v_Output C2E1v_green(float2 position : POSITION)
{
    C2E1v_Output OUT;
    OUT.position = float4(position,0,1);
    OUT.color = float3(0,1,0);
    return OUT;
}
  1. 绑定语义词可以放在函数声明的后面,其形式为
<type> <identifier> (<parameter-list>) [:<binding-semantic] 
{ 
    <body> 
}

如下代码所示,顶点入口函数的声明后带有“COLOR”语义词,表示该函数需要反馈一个颜色值,所以函数的返回类型为 float4,函数体也必须以 return 语句结束。

float4 main_v(float4 position: POSITION,
        out float4 oposition : POSITION,
        uniform float4x4 modelViewProj):COLOR
{
    oposition = mul(modelViewProj,position);
    float4 ocolor = float4(1.0,0,0,0);
    return ocolor;
}
  1. 最后一种语义绑定的方法是,将绑定语义词放在全局非静态变量的声明后面。其形式为
<type> <identifier> [:<binding-semantic>][=<initializer>];

这种形式的结构很不紧凑,也不利于代码的维护和阅读,所以并不常见,不建议读者使用。事实上,我在学习和研究过程中也很少碰到这种形式。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能LeadAI

TensorFlow从1到2 | 第五章 非专家莫入!TensorFlow实现CNN

当看到本篇时,根据TensorFlow官方标准《Deep MNIST for Experts》(https://tensorflow.google.cn/get...

4478
来自专栏深度学习入门与实践

【深度学习系列】PaddlePaddle之数据预处理

  上篇文章讲了卷积神经网络的基本知识,本来这篇文章准备继续深入讲CNN的相关知识和手写CNN,但是有很多同学跟我发邮件或私信问我关于PaddlePaddle如...

2608
来自专栏PPV课数据科学社区

使用R语言进行异常检测

本文结合R语言,展示了异常检测的案例,主要内容如下: (1)单变量的异常检测 (2)使用LOF(local outlier factor,局部异常因子)进行异常...

3806
来自专栏有趣的Python

TensorFlow应用实战-5- TensorFlow基础知识

从helloworld开始 mkdir 1.helloworld cd 1.helloworld vim helloworld.py 代码: # -*- co...

4688
来自专栏进击的程序猿

xgboost 库使用入门

本文 github 地址:1-1 基本模型调用. ipynb,里面会记录自己kaggle大赛中的内容,欢迎start关注。

3554
来自专栏开心的学习之路

神经网络体系搭建(四)——快速上手TensorFlow

本篇是神经网络体系搭建的第四篇,解决体系搭建的TensorFlow相关问题,详见神经网络体系搭建(序) ? TensorFlow安装 建议用Anacond...

3455
来自专栏ATYUN订阅号

四个用于Keras的很棒的操作(含代码)

Keras是最广泛使用的深度学习框架之一。它在易于使用的同时,在性能方面也与TensorFlow,Caffe和MXNet等更复杂的库相当。除非你的应用程序需要一...

1754
来自专栏懒人开发

(1)James Stewart Calculus 5th Edition:Functions and Models

1463
来自专栏深度学习自然语言处理

PyTorch(总)---PyTorch遇到令人迷人的BUG与记录

BUG1 在使用NLLLoss()激活函数时,NLLLoss用来做n类分类的,一般最后一层网络为LogSoftmax,如果其他的则需要使用CrossEntrop...

9098
来自专栏数据结构与算法

斯坦纳树小结

1670

扫码关注云+社区

领取腾讯云代金券