【技术实现步骤摘要】
用于在上采样或帧内插之后校正图像区域的装置和方法
本专利技术总体上涉及图形处理器领域。更特别地，本专利技术涉及用于在上采样或帧内插之后校正图像区域的装置和方法。相关技术的描述光线追踪是一种通过基于物理的渲染来模拟光传输的技术。在被广泛地用于电影渲染中的情况下，直到仅仅几年前，它对于实时性能来说被认为是过于资源密集的。光线追踪中的关键操作之一是处理被称为“光线遍历”的针对光线-场景相交的可见性查询，该可见性查询通过对包围体层级结构（BVH）中的节点进行遍历和相交来计算光线-场景相交。附图说明结合以下附图，从下面的详细描述中可以获得对本专利技术的更好理解，在附图中：图1是具有处理器的计算机系统的实施例的框图，所述处理器具有一个或多个处理器核和图形处理器；图2是处理器的一个实施例的框图，所述处理器具有一个或多个处理器核、集成存储器控制器、以及集成图形处理器；图3是图形处理器的一个实施例的框图，所述图形处理器可以是分立式图形处理单元、或者可以是与多个处理核集成的图形处理器；...
【技术保护点】
1.一种装置，包括：/n机器学习引擎，用于评估由实时交互式应用生成的图像序列中的至少第一图像，所述机器学习引擎用于响应地使用先前学习的数据来生成包括多个像素块的上采样或内插图像，/n其中每个像素块与置信度值相关联，所述置信度值反映了所述机器学习引擎多么准确地生成了所述像素块；以及/n选择性光线追踪引擎，用于基于与第一像素块相关联的第一置信度值低于阈值来标识要校正的所述第一像素块，所述选择性光线追踪引擎用于对与所述第一像素块相对应的所述第一图像的第一部分执行光线追踪操作，以生成经校正的第一像素块。/n
【技术特征摘要】
20181228 US 16/2360231.一种装置，包括：
机器学习引擎，用于评估由实时交互式应用生成的图像序列中的至少第一图像，所述机器学习引擎用于响应地使用先前学习的数据来生成包括多个像素块的上采样或内插图像，
其中每个像素块与置信度值相关联，所述置信度值反映了所述机器学习引擎多么准确地生成了所述像素块；以及
选择性光线追踪引擎，用于基于与第一像素块相关联的第一置信度值低于阈值来标识要校正的所述第一像素块，所述选择性光线追踪引擎用于对与所述第一像素块相对应的所述第一图像的第一部分执行光线追踪操作，以生成经校正的第一像素块。
2.根据权利要求1所述的装置，其中经校正的第一像素块将在在显示器上显示所述上采样或内插图像之前替换所述上采样或内插图像中的所述第一像素块。
3.根据权利要求1或2所述的装置，其中所述第一置信度值包括当生成所述上采样或内插图像时由所述机器学习引擎生成的置信度值。
4.根据权利要求1或2所述的装置，其中所述第一置信度值是通过评估跨所述图像序列的图形对象的运动向量而生成的。
5.根据权利要求4所述的装置，进一步包括：
图像内插器，用于通过从所述图像序列中的两个或更多个其他图像进行内插来生成所述第一图像，所述图像内插器用于使用运动向量来执行帧内插以生成所述第一图像。
6.根据权利要求1或5所述的装置，进一步包括：
渲染引擎，用于生成包括所述第一图像的所述图像序列。
7.根据权利要求6所述的装置，其中所述渲染引擎包括栅格化电路和/或逻辑。
8.根据权利要求6所述的装置，其中所述渲染引擎包括光线追踪电路和/或逻辑。
9.根据权利要求1或5所述的装置，其中所述第一图像的第一部分包括N×N个像素，并且所述第一像素块包括M×M个像素，其中N＜M。
10.一种方法，包括：
评估由实时交互式应用生成的图像序列中的至少第一图像；
响应地使用先前学习的数据来生成包括多个像素块的上采样或内插图像，其中每个像素块与置信度值相关联，所述置信度值反映了所述像素块是被多么准确地生成的；
基于与第一像素块相关联的第一置信度值低于阈值来标识要校正的所述第一像素块；以及
对与所述第一像素块相对应的所述第一图像的第一部分执行光线追踪操作，以生成经校正的第一像素块。
11.根据权利要求10所述的方法，其中经校正的第一像素块将在在显示器上显示所述上采样或内插图像之前替换所述上采样或内插图像中的所述第一像素块。
12.根据权利要求10或11所述的方法，其中所述第一...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。