当前位置: 首页 > news >正文

三维渲染中顺序无关的半透明混合(OIT)(一Depth Peeling)

>本文收集关于透明对象渲染技术中关于OIT技术的资料,尝试用简单的逻辑对这些内容进行整理。

1、透明对象的特殊对待

不要小瞧png图片和jpg图片的差异!在一般的三维平台,png代表的是带透明通道的纹理,而jpg代表的是不带透明的纹理。透明纹理和不透明纹理虽然都能被渲染出来,但是它们在三维模型组织、三维渲染等方面分家的。不透明对象由于只需要判断是离屏幕最近即可判断可见,而不透明对象可能需要先进行空间排序,还需要考虑与别的物体的混合模式(Blend)。因此他们需采用不同的渲染批次(DrawCall)。一旦渲染批次多了,那么渲染效率就会降低。

2、WebGPU在透明对象的瓶颈

一般而言,我们无法通过仅通过对象前后排序(犹如PS中的图层排序)从而做到让模型的透明计算正常。在WorldWind平台原来也是才基于物体排序技术,但只能解决50%的问题。在那里经常遇到从透明窗户看外面的时候,外面模型看不到的情况。在2019年,Arcgis4.X的三维平台也会出现这种情况。

如果显存足够,其实我们非常暴力的把每个像素点都存储所对应的三维点。但这种技术是很难通用的,某个像素可能对应几十个甚至上百个三维投影点,不可能先存储再排序在计算的。

下面这个代码记为公式1:

下面是对N个投影点按距离排序,最后计算颜色的过程,非常粗暴
其中0是最远的点,N是最近的单
color0=p0*a0+backgroundColor*(1-a0);
color1=p1*a1+color0*(1-a1);
....
colorN=pN*an+colorNs1*(1-an)

3、Depth Peeling算法

^_^不要怕,这个算法很好理解。

还是前面的公公式,可见p1的颜色是最重要的颜色,把握了p1,就等于把握了半壁江山。Depth Peeling算法就是先从最重要的p1开始。已知p1是深度值最浅的一个像素,可以采用第一次Pass(渲染过程,类似把画板全刷一次)。接下来第二次Pass找到p2点,以此类推,可以设置最多寻找几层。

下面这张图就是用了4个Pass,按距离寻找的三角面。可见这种做法解决的前面几层三角面的情况,可以实现计算量少,对性能要求低的情况。

另外由于公式1是从后往前,而本算法是从往后,因此在计算颜色的算法上需要调整。对公式1进行调整可得到如下规律 

c0=p0*a0+b*(1-a0)
c1=p1*a1+c0*(1-a1)=p1*a1+p0*(1-a1)*a0+b*(1-a0)*(1-a1)
c2=p2*a2+c1*(1-a2)=p2*a2+p1*a1*(1-a2)+p0*a0*(1-a1)*(1-a2)+b*(1-a0)*(1-a1)*(1-a2)
c3=p3*a3+c2*(1-a3)=p3*a3+p2*a2*(1-a3)+p1*a1*(1-a2)*(1-a3)+p0*a0*(1-a1)*(1-a2)*(1-a3)+b*(1-a0)*(1-a1)*(1-a2)*(1-a3)
c3=p4*a4+c3*(1-a4)=p4*a4+p3*a3*(1-a4)+p2*a2*(1-a3)*(1-a4)+p1*a1*(1-a2)*(1-a3)*(1-a4)+p0*a0*(1-a1)*(1-a2)*(1-a3)*(1-a4)+b*(1-a0)*(1-a1)*(1-a2)*(1-a3)*(1-a4)
cn=pn*an+E(pi*ai*π(1-aj))....E表示累加,π表示累乘。
---------------------------------------------------
+p4*a4               			=p4*a4*m        其中m=1
+p3*a3*(1-a4)   			=p3*a3*m	其中m=m*(1-a4)
+p2*a2*(1-a3)*(1-a4)		       =p2*a2*m	其中m=m*(1-a3)
+p1*a1*(1-a2)*(1-a3)*(1-a4)		=p1*a1*m	其中m=m*(1-a2)

可见在整个过程中仅需记录m即可实现从前往后的计算,这是一个非常大的计算效率提升策略!

http://www.lryc.cn/news/495200.html

相关文章:

  • Linux零基础入门--Makefile和make--纯干货无废话!!
  • vim编辑器的一些配置和快捷键
  • 电子应用设计方案-31:智能AI音响系统方案设计
  • 【设计模式】【结构型模式(Structural Patterns)】之装饰模式(Decorator Pattern)
  • 【AI】JetsonNano启动时报错:soctherm OC ALARM
  • QT:生成二维码 QRCode
  • 【LeetCode刷题之路】120:三角形最小路径和的两种解法(动态规划优化)
  • 神经网络中常见的激活函数Sigmoid、Tanh和ReLU
  • 适用于学校、医院等低压用电场所的智能安全配电装置
  • 基于python爬虫的智慧人才数据分析系统
  • LeetCode-315. Count of Smaller Numbers After Self
  • 根据导数的定义计算导函数
  • WPF关于打开新窗口获取数据的回调方法的两种方式
  • 复杂网络(四)
  • 用MATLAB符号工具建立机器人的动力学模型
  • SQL优化与性能——数据库设计优化
  • FPGA存在的意义:为什么adc连续采样需要fpga来做,而不会直接用iic来实现
  • 我们来学mysql -- 事务之概念(原理篇)
  • 基于特征子空间的高维异常检测:一种高效且可解释的方法
  • 看不见的彼方:交换空间——小菜一碟
  • YOLO模型训练后的best.pt和last.pt区别
  • Pareidoscope - 语言结构关联工具
  • GPT(Generative Pre-trained Transformer) 和 Transformer的比较
  • 软件无线电(SDR)的架构及相关术语
  • Python将Excel文件转换为JSON文件
  • 排序算法之选择排序篇
  • sizeof和strlen区分,(好多例子)
  • A050-基于spring boot物流管理系统设计与实现
  • [自然语言处理] NLP-RNN及其变体-干货
  • Elasticsearch ILM 索引生命周期管理讲解与实战