降噪 – NVIDIA 技術博客
http://www.open-lab.net/zh-cn/blog
閱讀開發者創建的最新技術信息、頭條新聞 和內容。
Wed, 19 Mar 2025 08:40:51 +0000
zh-CN
hourly
1
196178272 -
NVIDIA Nsight Graphics 幫助您輕松調試著色器
http://www.open-lab.net/zh-cn/blog/shader-debugging-made-easy-with-nvidia-nsight-graphics/
Wed, 31 Jul 2024 06:17:31 +0000
http://www.open-lab.net/zh-cn/blog/?p=10951
Continued]]>
著色器是在 GPU 上運行的專用程序，可處理光線、像素、頂點和紋理，以實現獨特的視覺效果。借助著色器，您可以為渲染的圖像添加創意表達和真實感。它們在光線追蹤中對于模擬逼真的光照、陰影和反射至關重要。 我們喜歡著色器，但它們可能很難調試。著色器計算非常復雜，并且跨多個線程運行，這可能會導致同步問題和難以重現的不一致錯誤。開發者通常必須手動追蹤著色器邏輯，確定正在訪問的資源，并推斷錯誤發生的位置。這一過程效率低下，通常需要逐步注釋著色器的某些部分，以測試和定位問題：一種容易出錯的策略。 由于渲染技術如降噪等使用了循環緩沖區，因此會帶來額外的挑戰。這些緩沖區中的錯誤會跨幀傳播，因此很難確定根本原因。同樣，傳統調試工具通常無法提供必要的見解，因此您不得不采用手動調試技術來追蹤多個通道并找到問題的根源。 NVIDIA 清楚地表明，圖形社區需要功能強大、
Source
]]>
10951
-
使用 DRaFT+增強文本到圖像的微調，現已是 NVIDIA NeMo 的一部分
http://www.open-lab.net/zh-cn/blog/enhance-text-to-image-fine-tuning-with-draft-now-part-of-nvidia-nemo/
Fri, 26 Apr 2024 09:12:38 +0000
http://www.open-lab.net/zh-cn/blog/?p=9917
Continued]]>
文本到圖像的 Diffusion 模型已經被建立為基于給定文本的高保真圖像生成的強大方法。然而， Diffusion 模型并不總是在給定的輸入文本和生成的圖像之間實現所需的對齊，尤其是對于現實生活中沒有遇到的復雜的特殊提示。因此，人們對有效地微調 Diffusion 文本到圖像模型以實現即時對齊并最大化文本到圖像評分模型越來越感興趣。 直接獎勵微調（DRaFT）是一種簡單而有效的方法，旨在微調 Diffusion 模型，以最大化可微分的獎勵函數，如可微分報酬的直接微調 Diffusion 模型所示。 這篇文章解釋了 Diffusion 模型的 DRaFT 方法，以更好地與不同和復雜的提示保持一致。我們還介紹了 DRaFT+，它增強了 DRaFT 方法的能力，并解決了它們的主要缺點。 現在，您可以通過訪問 DRaFT+ 算法和示例代碼 NeMo Aligner 庫 在…
Source
]]>
9917
人人超碰97caoporen国产