vc | Comparativa de la eficiencia computacional

linkComparativa de la eficiencia computacional

Con este ejercicio se notaron 2 ventajas que se tiene al utilizar shaders, la primera es que se pueden utilizar el mismo vertex y fragment shader tanto para imágenes como para videos (en gray scale y kernels), lo cual ahorra bastante tiempo y esfuerzo al programador. Esto gracias a que los shaders procesan las imágenes y los videos de igual forma.

Adicional a ello, notamos que el renderizado utilizando la GPU es mucho más eficiente computacionalmente con respecto al renderizado con la CPU. Si bien la velocidad de la renderización con GPU depende completamente del poder de procesamiento que esta tenga, los siguientes valores ayudan a entender la diferencia de la eficiencia entre ambos métodos de renderización para cada uno de los apartados realizados:

La carga de la imagen con la CPU dura en promedio 160 ms, mientras que con la GPU dura en promedio 2 ms. Mejora en un 98.75%.

La carga de la imagen con la CPU dura en promedio 1621 ms, mientras que con la GPU dura en promedio 2 ms. Mejora en un 99.87%.
La carga inicial del video con la CPU dura en promedio 188 ms, mientras que con la GPU dura en promedio 35 ms. Mejora en un 81.4%.
La carga de cada frame del video con la CPU dura en promedio 120 ms, mientras que con la GPU dura en promedio 0.6 ms. Mejora en un 99.5%.

La carga de la imagen con la CPU dura en promedio 160 ms, mientras que con la GPU dura en promedio 3 ms. Mejora en un 97.32%.

La carga del mosaico para la resolucion default con la CPU dura en promedio 300ms, mientras que con la GPU dura en promedio 130ms. Mejora en un 56.6%.
La carga del mosaico para la maxima resolucion con la CPU dura en promedio 1300ms, mientras que con la GPU dura en promedio 400ms. Mejora en un 69.2%.

linkConclusions & Future Work

Con lo encontrado en este laboratorio se adquirieron los conocimientos para aplicar distintos algoritmos de computación gráfica de manera rápida y eficiente. Por lo tanto, un trabajo futuro puede ser la profundización en las tecnologías ya estandarizadas, ya que tienen un potencial apliamente extendido y una comunidad que soporta estas tecnologías. Además, un entendimiento más profundo en hardware como tal puede ampliar el espectro de posibilidades de investigación.

Imaging & Videochevron_right

Softwarechevron_right

Problem Statement Basic - Gray Scale Image Kernels Ascii Art Mosaic Conclusions & Future Work

Hardwarechevron_right

Problem Statement Background Gray Kernels Ascii Art Mosaic Conclusions & Future Work

Renderingchevron_right

GLobal illuminationchevron_right

Ambient Occlusion SSAO SSDO RTAO

Rasterisation