For embedded GPUs, Vatjus-Anttila e

For embedded GPUs, Vatjus-Anttila et al. [1] built an energy model based on three render complexity characteristics: number of triangles, render batches and addressed texels. Th eir proposed energy model overestimates the power consumption of the graphic processor. To compensate the error, they empirically deducted 45% of the consumption based on the ad-hoc hypothesis that 50% of the 3D content could be left unacknowledged due to the back-face triangle culling, and 10% due to depth testing. Mochocki et al. [10] used three embedded processors to simulate different stages of the 3D pipeline. They analyzed how the factors (resolution, frame rate, level of detail, lighting model, and texture model) affect the 3D pipelines to result workload variations and imbalances.

Our approach differs from above studies by systematically design the testing benchmark to analyze the relationships between high-level graphics parameters and the graphics pipelines. Then, we build a high-level energy model for embedded GPU that only requires high- level parameters to estimate the energy for real-time graphic rendering.

ผลลัพธ์ (ไทย) 1:

สำหรับฝังตัว Gpu, Vatjus-Anttila et al. [1] สร้างแบบจำลองพลังงานตามสามแสดงลักษณะความซับซ้อน: จำนวนรูปสามเหลี่ยม ชุดสร้างภาพ และ texels จ่า Th eir พลังงานเสนอรุ่น overestimates การใช้พลังงานของตัวประมวลผลกราฟิก เพื่อชดเชยข้อผิดพลาด พวกเขาเชิงประสบการณ์หัก 45% ของปริมาณการใช้ตามสมมติฐานกิจที่ 50% ของเนื้อหา 3D อาจเหลือ unacknowledged เนื่องจากสามเหลี่ยมหน้าหลัง culling และ 10% เนื่องจากการทดสอบความลึก Mochocki et al. [10] ใช้ตัวประมวลผลแบบฝังตัวที่สามในการจำลองขั้นของไปป์ไลน์ 3D พวกเขาวิเคราะห์ท่อ 3D ผลปริมาณงานเปลี่ยนแปลงและความไม่สมดุลของผลกระทบของปัจจัย (ความละเอียด อัตราเฟรม ระดับของรายละเอียด รูปไฟ และรูปแบบพื้นผิว)เราแตกต่างกศึกษาการออกแบบระบบมาตรฐานทดสอบเพื่อวิเคราะห์ความสัมพันธ์ระหว่างพารามิเตอร์กราฟิกระดับสูงและท่อกราฟิก จากนั้น เราสร้างแบบจำลองพลังงานระดับสูงสำหรับฝังตัว GPU ที่ต้องพารามิเตอร์สูงระดับการประเมินพลังงานสำหรับการแสดงผลกราฟิกแบบเรียลไทม์

ผลลัพธ์ (ไทย) 2:

สำหรับ GPU ฝัง Vatjus-Anttila et al, [1] สร้างรูปแบบพลังงานขึ้นอยู่กับสามทำให้ลักษณะซับซ้อนจำนวนสามเหลี่ยมทำให้แบทช์และจ่าหน้า Texels Th EIR เสนอรูปแบบพลังงาน overestimates การใช้พลังงานของหน่วยประมวลผลกราฟิก เพื่อชดเชยข้อผิดพลาดที่พวกเขาสังเกตุหัก 45% ของการบริโภคขึ้นอยู่กับสมมติฐานเฉพาะกิจว่า 50% ของเนื้อหา 3D อาจจะเหลือไม่ถูกยอมรับเนื่องจากการกลับใบหน้าสามเหลี่ยมเลือกสรรและ 10% เนื่องจากการทดสอบเชิงลึก Mochocki et al, [10] ใช้สามฝังตัวประมวลผลเพื่อจำลองขั้นตอนที่แตกต่างกันของท่อ 3D พวกเขาวิเคราะห์ว่าปัจจัย (ความละเอียดอัตราเฟรม, ระดับของรายละเอียดรูปแบบแสงและรูปแบบพื้นผิว) ส่งผลกระทบต่อระบบท่อส่ง 3 มิติเพื่อส่งผลให้เกิดการเปลี่ยนแปลงภาระงานและความไม่สมดุล. วิธีการของเราแตกต่างจากการศึกษาข้างต้นโดยเป็นระบบการออกแบบมาตรฐานการทดสอบการวิเคราะห์ความสัมพันธ์ระหว่าง พารามิเตอร์กราฟิกระดับสูงและท่อกราฟิก จากนั้นเราจะสร้างรูปแบบการใช้พลังงานในระดับสูงสำหรับ GPU ฝังตัวที่ต้องใช้เพียงพารามิเตอร์ระดับสูงในการประมาณการพลังงานสำหรับการแสดงผลกราฟิกแบบ real-time

ผลลัพธ์ (ไทย) 3:

สำหรับ GPUs ฝังตัว vatjus anttila et al . [ 1 ] สร้างพลังงานแบบตามลักษณะสามแสดงความซับซ้อนจำนวนสามเหลี่ยม แสดงชุดและจัดการ Texels . การเสนอรูปแบบ overestimates รายงายผลกระทบต่อสิ่งแวดล้อม พลังงาน การใช้พลังงานของตัวประมวลผลกราฟิก เพื่อชดเชยความผิดพลาด พวกเขาใช้หัก 45 % ของการบริโภคตามสมมติฐานของ 50% ของ 3D เนื้อหาอาจจะซ้ายขึ้นจากด้านหลังใบหน้ารูปสามเหลี่ยมคัด และ 10% เนื่องจากการทดสอบความลึก mochocki et al . [ 10 ] ใช้สามขั้นตอนที่แตกต่างกันของการฝังตัวแบบจำลอง 3 มิติท่อ พวกเขาวิเคราะห์ว่าปัจจัย ( ความละเอียด , อัตราเฟรม , ระดับของรายละเอียด แสง รูปแบบ และพื้นผิวแบบต่อท่อ 3D ผลและรูปแบบงานที่ไม่สมดุล .วิธีการของเราแตกต่างจากข้างต้น การศึกษา โดยมีระบบการออกแบบการทดสอบมาตรฐานเพื่อวิเคราะห์ความสัมพันธ์ระหว่างพารามิเตอร์กราฟิกระดับสูงและกราฟิกที่ท่อ จากนั้นให้เราสร้างรูปแบบพลังงานระดับสูงสำหรับ GPU ที่ฝังตัวเพียงต้องการพารามิเตอร์สูงระดับประมาณพลังงานสำหรับการแสดงผลภาพแบบเรียลไทม์