[发明专利]用于对高动态范围图像进行色调映射以用于基于高质量深度学习的处理的系统和方法

说明书

公开了用于对高动态范围(HDR)图像进行色调映射以用于基于高质量深度学习的处理的系统和方法。在一个实施例中，图形处理器包括：用于生成用于处理图像的媒体请求的媒体流水线；以及用于从媒体流水线接收媒体请求的执行单元。执行单元被配置成：计算图像的自动曝光比例，以有效地对图像进行色调映射；利用计算出的自动曝光比例来缩放图像；以及将包括对数函数的色调映射运算符应用于图像并缩放对数函数以生成经色调映射的图像。

技术领域

各实施例总体上涉及数据处理，并且更具体地涉及用于基于高质量深度学习的处理的高动态范围(HDR)图像的色调映射。

背景技术

当前的并行图形数据处理包括被开发成对图形数据执行特定操作的系统和方法，这些特定操作诸如例如，线性内插、曲面细分、栅格化、纹理映射、深度测试等。传统上，图形处理器使用固定功能计算单元来处理图形数据；然而，最近已使图形处理器的多个部分变得可编程，从而使得此类处理器能够支持更宽泛种类的操作以处理顶点数据和片段数据。

为了进一步提升性能，图形处理器典型地实现诸如流水线化的处理技术，这些处理技术尝试贯穿图形流水线的不同部分并行地处理尽可能多的图形数据。具有单指令多线程(SIMT)架构的并行图形处理器被设计成使图形流水线中的并行处理的量最大化。在SIMT架构中，成组的并行线程尝试尽可能频繁地一起同步地执行程序指令以增加处理效率。可在Shane Cook的“CUDA编程”第3章第37-51页(2013年)中找到用于SIMT架构的软件和硬件的总体概述。

附图说明

因此，为了可详细地理解上文陈述的当前实施例的特征的方式，可参照实施例进行对上文简要概述的实施例的更特定的描述，在所附附图中图示实施例中的一些。然而，应注意的是，所附附图仅图示典型实施例，并且因此不应视为限制实施例的范围。

图1是根据实施例的处理系统100的框图；

图2A-2D图示根据实施例的计算系统和图形处理器；

图3A-图3C是根据实施例的附加图形处理器和计算加速器架构的框图；

图4是根据一些实施例的图形处理器的图形处理引擎410的框图；

图5A-5B图示根据实施例的包括在图形处理器核中采用的处理元件阵列的线程执行逻辑500；

图6图示根据实施例的附加执行单元600；

图7是图示根据一些实施例的图形处理器指令格式700的框图；

图8是根据实施例的图形处理器800的另一实施例的框图；

图9A是图示根据一些实施例的图形处理器命令格式900的框图；

图9B是图示根据实施例的图形处理器命令序列910的框图。

图10图示根据一些实施例的数据处理系统1000的示例性图形软件架构；

图11A是图示根据实施例的可用于制造集成电路以执行操作的IP核开发系统1100的框图；

图11B图示根据一些实施例的集成电路封装组件1170的横截面侧视图；

图11C图示封装组件1190，该封装组件1190包括连接到衬底1180(例如，基础管芯)的硬件逻辑小芯片的多个单元。

图11D图示根据实施例的包括可互换小芯片1195的封装组件1194。

图12图示示例性集成电路，并且图13A-13B图示根据各种实施例的可使用一个或多个IP核制造的相关联的图形处理器；

图14图示根据实施例的机器学习软件栈。

图15A-15B图示示例性深度神经网络的各层。