1.EIS 相关 Chi Node（GME/EISv2/EISv3）功能 & 协同总结
这三个是 高通平台EIS（电子防抖）相关的核心 Chi Node，分工及协同逻辑如下：
1.1 GME
- 功能定位: 生成 基于陀螺仪（gyro based）的对齐矩阵
- 输出数据: LDC Grid & gyro alignment matrix
- 对接模块： 传递至 EVA_MCTF，为 EVA 计算 image based 对齐矩阵提供基础数据
1.2 EISv2
- 功能定位: 负责 预览流防抖
- 输出数据: LDC Grid & stable matrix
- 对接模块: 同时传递至 EVA_MCTF（提供 stable matrix）、IPE_Preview（支撑预览流防抖）
1.3 EISv3
- 功能定位: 负责录像流防抖
- 输出数据: LDC Grid & stable matrix
- 对接模块: 同时传递至 EVA_MWarp、IPE_Video（支撑录像流防抖）
1.4 与 EVA/IPE 的协同逻辑
- EVA 模块（如 EVA_MCTF）接收 GME 的 gyro 对齐矩阵 + LDC Grid，计算 基于图像（image based）的对齐矩阵，最终用于 IPE 的 TF降噪对齐；
- IPE 模块分两路：EISv2 对接 IPE_Preview 支撑预览流，EISv3 对接 IPE_Video 支撑录像流，同时结合 EVA 输出的对齐矩阵、LMC 数据完成防抖、TF降噪效果。
2.EIS node输出信息的流向
介绍了高通平台EIS node输出信息的流向，本文从整体pipeline的角度介绍高通平台EIS算法集成的位置。
如下示意图用于说明EIS在整个pipeline的位置：
根据高通平台产品线的差异，主要会有三种不同的ISP架构：
- Apollo ISP架构：主要是从SM8750开始出现，用于高通中高端平台，替代早期的Titan ISP架构。
- Titan ISP架构：高通早期(2024年前)中高端平台的ISP架构。
- Mimas2 ISP架构：高通中低端平台使用。
EIS集成在上述三种架构中的差异：
- Apollo和Titan架构中，平台本身有两个ICA硬件，IPE node内可以这两个ICA(ICA: Image Correction Adjustment)硬件，一个用于EIS warp，另外一个用于TF降噪；Mimas2平台只有一个ICA硬件，只能用于TF降噪，EIS输出Gridmap给Dewarp node，由Dewarp node做warp。所谓warp就类似于渲染，Dewarp是高通提供的开源node、由OpenGL实现的。
- 基于上述的差异，那导致性能功耗也会有差异，用ICA的平台将有更好的快稳省表现。
- Apollo和Titan架构中，EIS在IPE node之前，可以利用部分Zoom变焦的裁切，在倍率更高时，防抖表现会由于Mimas2平台(按高通设计，IPE会做部分Zoom裁切，另外一部分由realtime pipeline处理)。
- GME node的输出形式也有一些变化，特别是Apollo架构下，GME node本身的功能更复杂一些。
3. 三方EIS算法集成
高通平台支持 GME、EISV2、EISV3 三类 EIS Node，其中 GME 与 EISV2 是比较类似的，三类Node核心差异如下：
- EISV2 Node：无前瞻特性（non-future looking），接收当前帧输入后即时输出稳定矩阵，按sequence ID 0-1 设置依赖、ID 2 执行算法并发布结果，无延迟处理。
- EISV3 Node：具备前瞻特性（future looking），需接收当前帧及后续多帧数据后才输出当前帧防抖矩阵，延迟帧数可配置。算法需内部存储数据直至完成所有处理，流结束时会接收虚拟数据进行收尾处理。
- GME Node：实际基于 EISV3 衍生，却无前瞻特性（类似 EISV2（non-future looking）），可计算包含LDC+RSC的畸变校正网格和 MCTF 对齐的Matrix， 在无EIS启用的场景，仍然需要。
如上图所示，高通CamX中，为每个Request ID涉及了多个Seq ID(0-3)，在EIS集成过程中，每个Seq ID有不同的作用，因为EIS是基于IMU数据计算的，在算法运行前需要拿到Gyro/Accel data，而获取Gyro/Accel data前，需要读取当前帧图像的帧时间戳、曝光时间、rollingshutterskew等Metadata信息。
输出数据格式规范 EISV2、EISV3 及 GME Node的输出数据核心要求一致，需包含以下关键信息（平台更新可能会有细微差异）：
