一、外文资料译文：

利用符号距离场的高效实时动态漫射全局光照

关键词：实时渲染，动态全局光照，符号距离场

五号宋体, 首行缩进，1.3倍行距。

3 方法

我们的方法受到 RTXGI 框架的启发。 在里面RTXGI的管道，它首先更新场景的边界体积层次（BVH），然后通过遍历更新探针BVH 来计算辐射。 同时，它可以节省命中点深度信息。 随后，RTXGI 插值探针来计算每个像素的辐照度。 为了防止漏光，RTXGI使用了低分辨率的深度信息进行探头能见度测试。

我们采用与[23]相同的路径表达符号，但我们使用 L 和 E 分别代表任何类型的光和相机。 RTXGI 对 D-D 进行近似通过将第一个 D 顶点移动到 LDDE 路径的一部分探头的位置，这会导致漏光问题因为可见性可能与这些点不同，如图所示在图 2 中。为了避免这种伪影，RTXGI 使用 VSM 和前面提到的低分辨率深度信息。 然而，它有分辨率的限制，因为一个探头只有一个16 times; 16 的分辨率来映射整个方向球体。此外，VSM 本身会产生漏光伪影。 作为一个结果，它不能完全根除问题。

如图 3 所示，我们的 SDF 表示由简单的 SDF 基元组成，可以被认为是一个场景几何的近似。这些原语是根据相机的位置剔除并放置靠距离聚集成簇。这个 SDF 表示也用于调整探头的位置，以防止不合适的采样点，并决定打开哪些探头或关闭。然后，我们遍历 SDF 以从探针和样品 RSM 来计算辐射。在我们的方法，在 LDDE 路径中，L-D 是用 RSM 实现的，D-D 与 SDF 的遍历，D-E 与 G 缓冲区。最后，对于每个像素，我们插入探针以获得像素的辐照度，探针权重由 SDF 确定软阴影测试以消除漏光。补偿对于由简化的 SDF 几何和辐照度函数的离散化产生的细节损失，我们使用G缓冲数据添加C​​ontact GI增强细节，其中基于地平线的环境光遮挡。

3.1 符号距离函数

SDF 通常存储在体积纹理中。 然而，这样的这种方法需要在分辨率和场景的细节。 此外，很难使用音量用于存储动态场景的纹理。 因此，我们代表我们的具有由不同简单 SDF 基元（例如矩形块、球体、平面、圆柱体）组成的 SDF 的场景或其他基元，其 SDF 值可以通过分析和有效地计算，而不是执行体素化的场景。 因此，我们简化的 SDF 表示可以以很小的存储成本存储。 服用海绵以宫殿场景为例（见图1），只需要4KB存储其 SDF 表示。

在我们的实现中，为了简单起见，我们手动创建了测试场景的 SDF 表示。 软件开发部对 SDF 表示的精度不是很敏感（见第 4.5 节），除非最大二维投影物体的面积非常高。 大多数情况下，我们还可以直接使用与每个对象关联的边界体积（用于碰撞检测）作为其 SDF 基元。 为了小物体，其投影面积很小，我们甚至不创建任何相应的 SDF 基元。 这是因为对它们的间接照明的主要贡献是由 Contact GI 提供的，SDF 基元的成本可以保存，这将在Section 3.5中详述。 可以看出在 Sponza 场景中，我们可以使用非常简单的 SDF 原语（见图 4），同时仍然取得了良好的效果。

我们方法的性能保持相对稳定只要 SDF 基元可以装入 GPU L1高速缓存存储器。 我们的大部分实验都是在RTX 2080Ti GPU（查看低端硬件上的性能昆虫。 4.4），其中较大场景的成本增加是即使在处理 200 个 SDF 基元时也可以忽略不计，这对于相机依赖剔除后的大场景来说已经足够了（我们用于 Sponza 的基元总数场景是 43）。 除了相机相关的剔除，SDF远对象和其他剔除的图元 LOD 超出了这项工作的范围。

在每一帧中，我们剔除相机附近的 SDF 图元并然后生成一个集群结构来加速 SDF 查询。我们在CPU上使用标准的聚类算法打包靠近 SDF 基元到一个集群中。 执行 K-means通过使用原始中心。 对于一般硬件，这些基于距离的聚类算法足够快并且不会造成任何性能瓶颈。 这样的做法对于小规模数据实现了优于 BVH [24] 的性能，与其他成本相比，其成本可以忽略不计我们方法的各个阶段。 使用这个算法，我们可以实现在不同场景下有 10% 到 100% 的加速。 见节4.5查询更多的信息。

同时，由于必要的数据主要在L1缓存，全局内存可用于其他具有对内存访问的要求更高。 作为结果，对内存要求高的shading stage计算成本低（例如，体积效应或阴影贴图生成），可以与SDFD DGI并行运行，从而提高GPU通用利用率。

3.2 探头方向

由于辐照度是一个 R5 函数，我们将其域分为两个部分：空间坐标R3和方向R2如图

等式 1：

我们的方法离散化辐照度的空间域将 E 分解为多个采样点 P，这些采样点被称为作为探针。 每个探头将辐照度存储在一个球体上围绕其位置的方向。 我们创造了一个空间排列的探测摄像机周围的体积并使用这些探测器插值全局照明。

辐照度在其空间上不是连续函数领域。 例如，存在潜在的不连续性墙壁或被遮挡的点，这是光的主要原因大多数实时全局照明算法中的泄漏。 到合理地表示空间中的辐照度分布，即必须小心地放置这些探针。

在传统的生产就绪 GI 烘焙系统中，用户将手动放置探针或使用一些耗时的优化方法来优化探针的位置[6]。但是，这种放置方式太慢，无法使用在实时应用中。 值得注意的是，两个探针远离物体也会有类似的采样结果。此外，探头在非常大的情况下会导致暗泄漏。靠近物体或物体内部。 所以，探头不应放置在离物体太远的位置，而他们应该与物体保持最小的距离以防止它们掉入物体中。 幸运的是，通过使用我们紧凑的 SDF 表示，例如定位过程可以以非常快的速度进行。此外，我们的框架中不需要烘焙。

为此，我们首先计算原始处的 SDF 值探头位置。 如果该值小于阈值，这意味着探头太靠近其他物体或即使在物体内部，这个探测位置也会不利影响采样质量。 在这种情况下，我们查询SDF的梯度，使用梯度下降法得到原始位置附近可接受的采样点。 如果最后一帧和当前帧的位置之间的位移超过阈值，最后一帧的辐照度将需要被拒绝，所以我们为这个探测器分配更多的光线以确保更稳定的结果。 算法伪代码如下在图5。

为了减少探测更新的次数，在每个帧我们首先选择哪些探针需要更新和在不同帧之间划分更新以获得更好的性能。 探针被分配不同的权重到他们到相机的距离和方向，以便确定应该更新哪些探测器。

由于随机探针的选择，这种方法可能会产生帧间抖动。 然而，这种现象并不像与原始 RTXGI 一样明显，因为性能我们的方法使我们能够进行更广泛的抽样。 此外，为了减少这种伪影，我们可以执行从周围的探针插值得到结果稳定的。

与 RTXGI 相比，我们的方法不需要人工干预以获得更好的探针分布，并且它可以快速准确地响应场景变化。 这也是减少动态对象造成的泄漏。

3.3 探头更新

我们使用计算着色器对辐射 L 进行采样每个探针的方向球体以计算辐照度：

在这个阶段，我们使用一个 8x8 的线程块来更新每个选择的探头。 在采样之前，一个块中的所有线程都需要合作移动 SDF 原语（和集群结构）进入 L1 缓存，因为它们将被频繁查询。

在执行 SDF 查询时，我们首先计算从一个基元到集群的距离，如果到集群的距离大于集群中的所有基元，则拒绝集群中的所有基元当前距离。 在执行 SDF 球体追踪时，许多集群也可以使用前两次拒绝SDF 查询结果作为初始距离。 这是因为SDF 的 Lipschitz 常数始终为 1，因此，SDF当前点的值将始终小于两倍最后一点的值。 这可以用数学解释如下。 正如我们有

当 SDF 值为较小。 因此，这对于球体追踪非常有效，其中对象边界附近的查询密度非常高，即，在 SDF 值较小的情况下。 而且，这个算法既无堆栈又对 GPU 友好。

我们以随机低差异采样辐照度方向并将它们存储在 L1 缓存中。 计算与场景相交，我们为我们的场景执行加速版本的球体追踪 [2]。

计算交点后，RSM[5]为用于获得其通量。 此外，排放值存储在基元内部用于支持区域灯光和自发光。

通过重用上一帧的探测 GI 数据，我们可以实现多次反弹全局照明。 由于多次反射漫反射 GI 的频率通常低于第一个反弹漫反射 GI，我们将其样本数量限制在较低的水平以减少计算开销。 此外，我们可以通过乘以多次反弹来加速 GI 响应GI 由 0 到 1 之间的系数，以减少循环增益效果。

同步块中的所有线程后，每个线程使用等式计算其自身方向 D 的辐照度2 并使用八面体映射 [3] 写入辐照度数据成探针图集纹理。 我们保持平衡样本数量和时间混合程度。如果样本太少，我们会应用更强的时间混合以防止抖动。通过将辐射样本存储到 L1 缓存，我们可以跨线程重用它们来计算辐射，从而稳定结果。

外文原文资料信息

[1] 外文原文作者：

Jinkai Hu;Milo K. Yip;Guillermo Elias Alonso;Shihao Gu;Xiangjun Tang;Xiaogang Jin

[2] 外文原文所在书名或论文题目：

Efficient real-time dynamic diffuse global illumination using signed distance fields

[3] 外文原文来源：

出版社或刊物名称、出版时间或刊号、译文部分所在页码：

The Visual Computer,2021(prepublish), 37:2539–2551

网页地址：

https://schlr.cnki.net/zn/Detail/index/GARJ2021_1/SSJD6D205475152ACAECE47B81FAD337BC69

二、外文原文资料：

Efficient real-time dynamic diffuse global illumination using signed distance fields

Keywords: Real-time rendering, Global illumination, Signed distance fields

3 Approach

Our approach is inspired by the framework of RTXGI. In the pipeline of RTXGI, it first updates the scenersquo;s bounding volume hierarchy (BVH) and then updates probes by traversing the BVH to compute radiance. At the same time, it saves hit point depth information. Subsequently, RTXGI interpolates probes to compute each pixelrsquo;s irradiance. In order to prevent light lea

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[596521]，资料为PDF文档或Word文档，PDF文档可免费转换为Word