개별 리소스 RHI 추적 없는 글로벌 패스 배리어: Blade를 이용한 벤더 간 비교 연구

원문 발행 2026. 07. 29. 15:10원문 언어 영어AI 한국어 번역arXiv cs.GR (Graphics) 원문 보기

요약

Blade를 활용하여 개별 리소스 추적 없이 글로벌 패스 배리어를 사용하는 방식의 성능을 연구했습니다. NVIDIA와 AMD 등 다양한 GPU 벤더를 대상으로 비교 분석한 결과, 특정 조건에서 GPU span을 크게 절감할 수 있음을 확인했습니다.

핵심 포인트

Blade는 개별 리소스 상태 추적 대신 글로벌 패스 경계 배리어를 사용함
RTX 5070 및 RX 7900 XT에서 GPU span을 약 30% 내외로 절감
NVIDIA 그래픽 체인에서 약 5.0%, AMD 컴퓨트 체인에서 6.7% 절감 효과
wgpu 대비 기록 및 제출 비용이 낮으나 단순 추적 비용만으로는 설명 불가

명시적 그래픽 API(Explicit graphics APIs)는 메모리 의존성(memory dependencies), 리소스별 액세스(per-resource accesses), 그리고 이미지 레이아웃(image layouts)을 노출합니다. wgpu는 이러한 상태를 재구성하고 검증하는 반면, Blade는 Vulkan 이미지를 GENERAL 상태로 유지하고, 개별 리소스 상태를 추적하지 않으며, 글로벌 패스 경계 배리어(global pass-boundary barriers)를 발행합니다. 우리는 Blade 내에서 배리어 배치(barrier placement)와 스테이지/액세스 범위(stage/access scope)를 격리하고, 일치하는 wgpu 프로그램을 엔드 투 엔드(end-to-end)로 비교하며, Apple/Metal 탐색적 결과물을 포함하여 4개 벤더의 GPU 6개를 측정합니다. 16개의 독립적인 컴퓨트 패스(compute passes)에서 15개의 중복된 배리어를 제거했을 때, RTX 5070에서는 GPU span이 29.3%, RX 7900 XT에서는 32.3% 감소했습니다. 동일한 개별 렌더링(independent-render) 구성 요소에서 span을 각각 32.4%와 7.3% 감소시켰으나, 32개 패스 환경의 Radeon 780M에서는 12.3%의 카운트별 안정성 하한선을 넘어 42.4%의 span 증가를 보였습니다. 종속 체인 배치(dependent-chain placement) 효과는 본 연구의 셀별 안정성 기준(cell-specific stability criterion)을 충족하지 못했습니다. 어떤 리소스도 추적하지 않고 각 경계 주변의 패스 종류로부터 글로벌 배리어 범위(global barrier scope)를 도출하는 방식은 NVIDIA 그래픽 체인에서 5.0%, AMD 컴퓨트 체인에서 6.7%를 절감합니다. 다만 AMD 렌더링 관련 범위 셀(render-involving scope cell)은 해결되지 않았습니다. wgpu의 기록 및 제출(record-and-submit) 비용은 측정된 모든 셀에서 더 높게 나타났으나, 이러한 엔드 투 엔드 차이를 추적(tracking)만으로 설명할 수는 없습니다. RADV 소스 코드는 왜 커맨드 카운트(command counts)가 이러한 비용을 예측하지 못하는지 보여줍니다. 광범위한 글로벌 의존성은 드라이버가 부분적으로 생략할 수 있는 여러 flush 및 invalidate 요청으로 확장되기 때문입니다. 또한 지속적인 GENERAL 상태가 측정된 RDNA 조건 하에서 DCC를 유지하지만 FMASK는 비활성화한다는 점도 보여줍니다. 결과적으로 Blade가 지향하는 방향은 추적 기능이 없는 RHI(tracking-free RHI) 내에서의 경량화된 집계 패스 종류 상태(lightweight aggregate pass-kind state)입니다. 즉, 상위 렌더 그래프(upstream render graph)가 글로벌 의존성 절단 지점(global dependency cuts)을 선택하는 동안, 에일리어싱(aliasing), 크로스 큐 사용(cross-queue use), 예외적 레이아웃(exceptional layouts), 그리고 임의의 리소스별 DAG 에지(per-resource DAG edges)는 리소스 인지 엔진(resource-aware engine)의 책임으로 남습니다.

AI 자동 생성 콘텐츠

원문 바로가기

개별 리소스 RHI 추적 없는 글로벌 패스 배리어: Blade를 이용한 벤더 간 비교 연구

요약

핵심 포인트

댓글