摘要：为提高高清彩色图像超分辨率重建效果,该文提出了一种基于边缘对比度的新型自适应图像插值算法。使用边缘对比度检测和不同尺度的感受野来自适应选择Lanczos插值的系数,自适应性和不同感受野可以进一步提升图像放大质量,图像质量相比于双线性插值平均峰值信噪比(PSNR)提高1.1 dB,结构相似度(SSIM)提高0.025,图像感知相似度(LPIPS)提高0.051,相比于双三次插值平均PSNR提高0.34 dB,SSIM提高0.01,LPIPS提高0.033。同时为减少硬件资源以及提高存储效率协同设计了一种高并行、高能效的加速插值引擎架构,通过两级数据重用和系数脉动机制极大提高计算访存比。加速引擎在16 nm工艺库的综合结果达到2 GHz时钟频率;在Xilinx Zynq Ultra scale+xczu15eg FPGA上工作频率达到200 MHz,帧速度(fps)达到60的实时性能。

摘要：神经渲染是一种基于深度学习的新兴图像和视频生成方法,它将深度学习模型和计算机图形学的物理模型相结合,从而获得可控和逼真的场景表示和渲染,实现对诸如光照、相机参数、姿态等场景属性的控制.一方面,神经渲染既可以充分利用深度学习的优势,实现传统前向渲染流程的加速,也可以为影像的逆向渲染和3维场景重建等特定任务提供新的解决方案;另一方面设计适应神经渲染流水线的创新硬件结构,突破现有图形处理器的并行计算和功耗瓶颈,有望为虚拟现实和增强现实、影视创作和数字娱乐、人工智能和元宇宙等未来重点领域提供重要支撑.综述了神经渲染的技术内涵、主要挑战和研究进展,在此基础上分析了神经渲染流水线对硬件加速支持的共性需求和当前主流神经渲染硬件加速结构的特点,进而讨论了神经渲染处理器架构的设计挑战,最后展望了其未来的发展趋势.

摘要：近些年随着人工智能、大数据、元宇宙等应用的蓬勃发展和半导体工艺进步的放缓,软件应用与硬件性能之间出现了巨大的算力鸿沟,通过软硬件协同设计的特定领域架构作为应对方案得到了学术界和工业界的广泛关注和认可.所以针对特定领域应用的核心需求设计专用协处理器,研究专用协处理器的设计方法,对于提高软件应用性能和效率,提升硬件设计效率等问题具有重大意义.本文分析了不同耦合度和不同负载需求的协处理器设计空间,重点研究了弱耦合协处理器的设计方法,包括基于RISC-V定制指令设计协处理器指令架构、弱耦合协处理器在不同应用场景下的控制交互接口、访存接口和设计框架;同时归纳总结了人工智能应用的共性需求和人工智能协处理器研究现状;并给出了两种面向不同人工智能应用场景的弱耦合协处理器设计实例,为提高协处理器设计效率提供了有效支撑.

摘要：针对当前硬件领域缺乏对不同乘法算法的实现和比较,对两种著名乘法算法的硬件实现进行了深入研究,在FPGA上实现了高性能多精度Karatsuba乘法器和Toom-3乘法器,并在实验比较分析后得出结论:Toom-3乘法器由于数据依赖性和除法运算在硬件实现下代价较大,且尚未有较优的解决方法;Karatsuba乘法器在中小精度下的性能和硬件开销均好于Toom-3乘法器。

摘要：椭圆曲线标量乘法的计算量大，对处理器的运算能力要求高，是整个椭圆曲线密码体制实现的关键；标量乘运算依赖于下层的点运算和最底层的有限域乘法、加法、求逆的运算速度，因此设计高效的标量乘和有限域运算硬件结构是提升椭圆曲线标量乘性能的关键．采用指令方式实现Montg：omen模逆运算，相比于传统实现减少了近1／3的延迟；提出一种混合点运算的数据流水排布模式，相比于顺序执行点加、倍点运算减少了近一半的延迟，具有较高的并行度和运算部件利用率；设计并实现了一种基于定制指令的椭圆曲线标量乘处理器，它在Virtex6VSX475T FPGA上完成一次标量乘运算需要0．275ms，吞吐量为18180次／秒，相比于相关工作。可以提升约45．9％-97．6％的运算延迟．

摘要：提出了两种高基Montgomery模乘线性阵列结构。两种线性阵列结构分别利用两种不同的并行化开发方法,沿不同的循环维度进行任务分配和调度,都能够充分开发算法的流水线并行。在Xilinx XC5VLX330FPGA上实现了两种256位宽、基为216的模乘阵列结构。实验结果表明,两种结构具有84个时钟周期的延迟,吞吐率分别为1/17和1/21,与相关结构相比吞吐率更高。两种结构在性能和实现代价间能够达到合理平衡。