EveryDay.DevUp

게임 성능 최적화를 논할 때 많은 개발자들이 GPU 최적화에만 집중하는 경향이 있습니다. 물론 GPU 최적화도 중요하지만, CPU 최적화 역시 전체적인 게임 성능에 결정적인 영향을 미칩니다. 실제로 CPU와 GPU는 독립적으로 작동하는 것이 아니라 긴밀하게 연결되어 있습니다.CPU는 매 프레임마다 렌더링할 오브젝트들을 선별하고 GPU에게 드로우 콜을 전송하는 역할을 담당합니다. 만약 CPU에서 병목 현상이 발생하면 GPU에게 드로우 콜을 보내는 데 시간이 오래 걸리게 되고, 이는 결국 GPU가 할 일 없이 CPU의 작업 완료를 기다리는 상황으로 이어집니다. Unity 프로파일러에서 이런 현상을 확인할 때 Gfx.WaitForPresent 마커가 나타나는데, 이는 메인 스레드가 준비되었지만 GPU의 프레임..

알파를 처리하는 방법에 대해 이야기 하기전에, 그래픽스를 처리할 때 불투명, 반투명 오브젝트를 어떻게 처리하는지 먼저 이해할 필요가 있습니다.1. 불투명 오브젝트와 투명 오브젝트1) 불투명 오브젝트- 빛을 완전히 차단하여 뒤쪽 객체를 전혀 볼 수 없게 만드는 3D 객체- 알파값이 1.0(완전 불투명)이거나, 투명도 정보가 없는 객체를 의미2) 반투명 오브젝트- 빛을 부분적으로 투과시켜 뒤쪽 객체를 어느 정도 볼 수 있게 만드는 3D 객체- 알파값이 0.0과 1.0 사이의 값을 가지며, 앞뒤 객체의 색상이 혼합되어 렌더링됩니다. 불투명 오브젝트 (Opaque) ..

게임 개발에서 3D 캐릭터는 필수적인 요소입니다. 아트팀에서 제작한 3D 캐릭터를 Unity로 가져오기 위해서는 적절한 파일 형식이 필요한데, 이때 가장 널리 사용되는 것이 바로 FBX 포맷입니다.FBX 파일 형식이란?FBX는 Autodesk에서 개발한 3D 파일 형식으로, 3D 모델링, 애니메이션, 게임 개발 분야에서 광범위하게 사용되고 있습니다. 특히 게임 개발에서는 아트 파이프라인과 게임 엔진 사이의 다리 역할을 하는 중요한 포맷입니다.FBX의 주요 특징다양한 데이터 지원 FBX는 단순한 3D 모델 정보를 넘어 다양한 데이터를 포함할 수 있습니다. 3D 모델의 기하학적 형태는 물론, 텍스처, 재질, 애니메이션, 조명, 카메라 정보까지 모두 하나의 파일에 담을 수 있어 매우 효율적입니다.뛰어난 호환성..

물리 기반 렌더링(Physically Based Rendering, PBR) 정의PBR은 현실 세계의 빛과 물체의 상호작용을 물리 법칙에 기반하여 시뮬레이션하는 렌더링 기법현실 세계의 빛 반사 현상현실의 모든 물체는 고유한 색상을 가지며, 빛을 받았을 때 두 가지 주요한 반사 현상이 발생 1. 정반사광 (Specular Reflection)정의: 비춰진 빛 자체를 표면의 각도에 의해 정해진 방향으로만 반사하는 현상특징:입사광의 색상을 그대로 한 방향으로 반사물체의 고유 색상과는 무관하게 빛의 색상이 그대로 나타남예외: 금속의 경우 금속 자체의 색상을 머금고 반사2. 난반사광 (Diffuse Reflection)정의: 빛을 받은 표면에서 물체 고유의 색을 다수의 방향으로 반사하는 현상특징:물체가 빛을 흡수..

서론: 왜 대역폭이 중요한가? 현대 실시간 렌더링에서 GPU 메모리 대역폭은 그래픽 품질과 성능을 결정짓는 핵심 자원입니다. 고해상도 텍스처, 복잡한 3D 모델, 정교한 셰이더 등 시각적 충실도를 높이는 모든 요소는 이 한정된 대역폭을 차지하기 위해 경쟁합니다. 대역폭이 부족하면 GPU는 데이터를 기다리며 유휴 상태에 빠지고, 이는 프레임 속도 저하, 화면 끊김(stuttering)으로 직결됩니다. 따라서 대역폭 관리는 단순히 성능을 개선하는 작업을 넘어, 주어진 하드웨어 제약 내에서 최상의 시각적 경험을 구현하기 위한 필수 기술입니다.Part I: 기초 원리 및 성능 분석섹션 1: 현대 GPU 아키텍처와 대역폭 병목1.1. GPU 메모리 계층 구조GPU 성능의 핵심은 여러 단계로 나뉜 메모리 계층..

웨이트와 바이어스를 조정하여 최적의 해를 찾아가는 여정 옵티마이저 발전 역사 요약 배치 경사 하강법 가장 기초적인 형태. 전체 데이터를 사용하여 안정적이지만 매우 느리고 메모리 소모가 큼. ↓ 확률적 경사 하강법 (SGD) 한 개의 데이터만 사용하여 속도를 개선했지만, 경로의 변동성이 매우 큼. ..

Transformer 아키텍처 🏗️ Transformer란? 💡 핵심 개념 Transformer는 "Attention is All You Need" 논문(2017)에서 제안된 혁신적인 아키텍처입니다. RNN이나 CNN 없이 오직 Attention 메커니즘만으로 구성되어, 순차 처리의 한계를 극복하고 완전한 병렬 처리를 가능하게 했습니다. 🎯 혁신적인 변화 ..

Attention 메커니즘 🔍 Attention이란? 💡 핵심 개념 Attention은 모델이 입력 시퀀스의 어떤 부분에 "주의"를 기울일지 결정하는 메커니즘입니다. 인간이 긴 문장을 읽을 때 중요한 단어에 집중하는 것처럼, AI 모델도 관련성이 높은 정보에 더 많은 가중치를 부여합니다. 🎯 작동 원리 Attention은 세 가지 핵심 요소로 구성됩니다: ..

RNN 계열 모델의 발전 과정 1986 RNN의 등장 기본적인 순환 신경망 구조가 제안되어 순차 데이터 처리의 새로운 패러다임을 열었습니다. 1997 LSTM 개발 Hochreiter & Schmidhuber가 기울기 소실 문제를 해결한 LSTM을 발표하여 장기 의존성 학습을 가능하게 했습니다. ..

🧠 신경망 아키텍처 기본 Perceptron → Multi-Layer Perceptron CNN LeNet ..