实时光线追踪 1

Real-Time Ray Tracing

• 体积，散射，皮肤，毛发，将会在离线渲染的课上教

RTX

• 光线追踪实质上是做场景的 BVH 树的遍历

• RTX 专门遍历树，GPU 遍历树较慢

• 100 亿跟光线每秒，约等于每帧每像素一条光线

SPP 光路样本

sample per pixel，最基本的 spp 是两次弹射，四条光路

image-20220309184452095

• 光路样本

  1. 1 rasterization primary

  2. 1 ray primary visibility

  3. 1 ray secondary bounce

  4. 1 ray secondary visibility

• 最基本的两次弹射光路

• 第一条 primary 等价于光栅化

• 1 SPP 看作 3 条光线对场景求交

Key technology 核心技术

• 实时光追也是使用 path Tracing，出现是因为 GPU RTX 架构

• 硬件的突破造成光追的广泛应用

• 降噪技术是配合光追的重要技术

Denoising 降噪

goads

实时光追目标

• 不模糊，没 Bug，具有细节，速度快

• 当前方法都不可能在短时间内实现

image-20230328183541498

Temporal

• 时间上的滤波，时间上的复用

• 认为前一帧已经滤波完毕

• 利用帧之间的连续性，认为前一帧的颜色输出可以对当前帧做重大贡献

Back projection 方法求 motion vector

image-20230328183824124

1. 取像素点的屏幕坐标

2. 求像素点的世界坐标

3. 取对应物体上一帧的变换矩阵

4. 求像素点在上一帧的世界坐标

5. 求像素点在上一帧的屏幕坐标

6. 计算位移向量

• motion vector 是准确的，不像深度学习的光流，只有图像信息，没有物体信息

• 也可以通过 z-buffer 里的深度信息求像素点的世界坐标

Temporal Accum Denoising

1. 当前帧自己的降噪

2. 和上一帧的输出 Color Buffer 线性混合

3. 上一帧的权重为 80% ~ 90%

image-20230328184223325

滤波效果

• 降噪前图片看起来暗

• 因为噪点亮度超过显示范围

• 整体图片的亮度期望降噪前后应当是相同的

• 对比真实图片，降噪会亮化 AO 信息

Temporal Failure 时间方法的缺陷

• 画面巨变，需要预热 burn-in period

  • 换场景

  • 镜头切换

• 屏幕外信息

  • 看前方，倒着走

• 出现原本被遮挡的位置

  • 容易出现残影（拖影、鬼影）

• 阴影出现滞后情况

• 反射也会出现滞后情况

  • 任何与环境光相关的着色改变，都会出现滞后

  • 因为在物体与环境光相对移动后，上一帧的像素着色和当前帧的输入已经是不同了，没有对当前帧贡献的意义

Adjustments to temporal failure

• 提高当前帧权重

• 是否应当废弃该位移向量