Nano Hash - криптовалюты, майнинг, программирование

Современный метод преобразования матрицы представления модели в OpenGL?

Недавно я начал изучать OpenGL, начиная с непосредственного режима, glPush/PopMatrix и функций glTranslate/Rotate/Scale. Я переключился на объекты буфера вершин для хранения геометрии, но по-прежнему использую матрицу push/pop и функции преобразования. Есть ли более новый, более эффективный метод выполнения этих операций?

Я слышал о glMultMatrix, но некоторые источники говорят, что это менее эффективно.

Если это вообще уместно, я использую LWJGL с Java для рендеринга.

редактировать: кто-нибудь знает о влиянии на производительность вызова glViewport и gluPerspective, а также других стандартных функций инициализации? Мне сказали, что часто рекомендуется вызывать эти функции инициализации вместе с кодом рендеринга при каждом обновлении.

java performance matrix opengl lwjgl
02.05.2014

  • Вызов glViewport (...) не влияет на производительность. Все, что нужно сделать, это изменить прямоугольник окна, на который проецируется нарисованная геометрия. Это простое преобразование координат, оно не изменяет размер каких-либо ресурсов, таких как ваш фреймбуфер или что-то в этом роде. 03.05.2014
  • Скорее всего, вы захотите передать свои матрицы как юниформы вершинному шейдеру. Это длинное объяснение, поэтому вам лучше поискать в Google учебники по opengl 3.3. Я настоятельно рекомендую найти хороший, начиная с самого начала, чтобы убедиться, что вы не смешиваете фиксированную функцию с современным opengl. 03.05.2014

Ответы:


1

Для современного OpenGL вы хотите написать вершинный шейдер и умножить каждую вершину на соответствующую матрицу преобразования. Вы захотите передать нужные вам матрицы (возможно, модель, представление и проекцию). Вы можете вычислять эти матрицы на ЦП при каждом проходе рендеринга по мере необходимости. Это означает, что вам не понадобится gluPerspective. Вероятно, вам нужно вызвать glViewport только один раз, если только вы не пытаетесь разделить окно и рисовать разные элементы в каждой секции. Но я бы не ожидал, что это вызовет какие-либо проблемы с производительностью. Вы всегда можете профилировать, чтобы убедиться в этом.

02.05.2014
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..