將最接近的8個頂點插值到Intel CPU上的隨機采樣點時，對稱3d網格的最高效數據布局

Question

我有一個3d數據的查找表（一個3D RGB查找表），其中我對每個ri，gi，bi（r，g和b不一定均勻間隔）具有預設值f（r，g，b）。 在這種情況下，n對rg和b相同。

r1，r2，....，rn g1，g2，....，gn b1，b2，....，bn

我需要通過在圍繞r，g，b的最近8個頂點的f（）值之間進行插值來計算和存儲來自任何輸入（r，g，b）圖像的數百萬個估計的f（r，g，b）值。 連續輸入的r，g，b值是RGB視頻像素，並不是特別可預測的。 對於幾十個值，它們可能相似但不相同，然后迅速變化。 但是，中點附近的R，G，B值通常比極端值更常見。 f（）值的表是預先設置的，不會改變-除了f（）的采樣間隔之外，我無法對f（）進行任何假設，以至於插值頂點是一個合理的估計。 我的目標是使用C ++的高端英特爾CPU。

假設整個表可能很大（幾個MB）並且可能不適合L1或L2高速緩存，那么是否存在一種高速緩存有效的布局，該索引的索引並不是很昂貴，並且可以使8個相鄰頂點在內存中彼此更靠近使緩存丟失的可能性降低？ 如果我從多個線程使用同一f（）表來提高速度，是否可能會導致性能下降？

我的第一個想法是使用簡單的線性C數組並為其計算索引-ftable [r + n （g + n b）]

一種替代方法是將C樣式3d數組與它們的多個查找一起使用-ftable [r] [g] [b]，但考慮到兩個加法和乘索引的相對便宜性以及查找和查找的開銷，它的性能似乎較差。潛在的L1 / L2緩存未命中。 或者，是否有一種布局C樣式3D數組的狡猾方法，可以提高緩存命中率，以查找基本隨機輸入值的8個相鄰頂點？

Answer 1

我不知道這是否是最有效的方法，但是KD-Tree可以非常有效地解決您的問題。

https://zh.wikipedia.org/wiki/K-d_tree

它易於實現，並且針對此類問題而設計。