【GDC 2024】Raytracing in Snowdrop - An Optimized Lighting Architecture

来源：D:\迅雷下载\Graphics Materials\GDC 2024 - Raytracing in Snowdrop - An Optimized Lighting Architecture.pdf 提取时间：2026-05-15 12:24:34

Slide 1

📌 要点汇总

（无内容）：此幻灯片无演讲内容

大家早上好，我是 Quentin Kuenlin，Massive Entertainment 的高级渲染程序员今天，我将向您展示我们的光线追踪管道，因为它被用于每个《阿凡达：潘多拉边境》的控制台和质量设置

Slide 2

📌 要点汇总

（无内容）：此幻灯片无演讲内容

2

Slide 3

📌 要点汇总

（无内容）：此幻灯片无演讲内容

让我们首先快速浏览一下我们管道的主要构建模块

Slide 4

📌 要点汇总

LOD设置：光线追踪世界对象使用低LOD（LOD1/LOD2），降低细节复杂度
材质简化：网格仅采用无纹理的单一材质，未涉及复杂材质表现
Alpha对象处理：树叶等Alpha测试对象通过基于Alpha值的抖动纹理

让我们从光线追踪世界开始。 > rt 世界中的对象使用比栅格化世界更低的 LOD，通常是 LOD1 或 2. > 我们每个网格只有一种简单的材质，没有纹理 > Alpha 测试对象，例如树叶，使用基于 Alpha 的简单抖动纹理覆盖。 > 地形是单独进行光线行进的并且可以使用纹理，因此您可以看到示例图像上的纹理 > 我不会详细介绍这一点，请参阅 Oleksandr Koshlo 的演示本周晚些时候

Slide 5

漫射照明示例 5

我们拥有的第一个光线追踪功能是光线追踪全局照明 > 我们使用每像素光线追踪，使用四分之一/半/全分辨率，具体取决于质量设置。 > rt gi 的整体管道由初始屏幕空间跟踪组成， > 如果屏幕空间失败，则进行“世界”空间跟踪， > 最后，如果世界空间跟踪失败，我们有一个轻量级缓存回退

Slide 6

📌 要点汇总

光线追踪反射：支持每像素追踪，分辨率根据质量设置调整（四分之一/半/全）。
可变混合分辨率：图像不同区域可采用不同分辨率进行光线追踪。
反射层数限制：最多支持两层反射，结合屏幕空间与世界空间追踪。
分阶段追踪流程：初始屏幕空间追踪→世界空间追踪→轻缓存后备方案。

镜面照明示例 6

我们拥有的第二个光线追踪功能是光线追踪反射 > 我们还使用每像素光线追踪，使用四分之一/半/全分辨率，具体取决于关于质量设置。 > 此外，rt 反射使用可变混合分辨率，这意味着不同的图像的一部分可以以不同的分辨率进行追踪 > 我们还支持最多两个反射层 > 与 rtgi 类似，我们有一个初始屏幕空间跟踪， > 随后进行世界空间追踪， > 最后是轻缓存的后备方案

Slide 7

📌 要点汇总

级联结构：采用4级联（32x32x8）存储多类型光照信息
数据存储：包含余弦加权辐照度、粗糙光缓存、平均灯光及采样深度
可视化示例：通过视频展示探针系统在潘多拉世界的渲染效果

探针光缓存示例 7

最后，我们有一个用于各种目的的光线追踪探针系统 > 我们使用 4 个级联，每个级联 32x32x8 我们在其中存储不同的信息，包括 > 余弦加权辐照度 > 更粗糙的光缓存 > 完全平均的灯光 > 用于探头采样的深度在详细介绍这一切之前，我准备了一个小视频来展示美丽的潘多拉世界

Slide 8

📌 要点汇总

（无内容）：此幻灯片无演讲内容

8

Slide 9

📌 要点汇总

（无内容）：此幻灯片无演讲内容

现在让我们更详细地了解探针系统的工作原理

Slide 10

📌 要点汇总

灯光缓存：作为光线追踪后备，缩短光线射出时间
平均光存储：用于雾效果，提升场景渲染效率
延迟照明技术：优化探针光照计算流程
Gbuffer缓存：实现探针跟踪与独立点亮分离
RTXGI扩展：基于GDC 2019技术，新增功能增强渲染性能

我们的探针系统基于 GDC 2019 演示文稿“Dynamic Diffuse Global Morgan McGuire 的《Illumination》，最常被称为 RTXGI 除了该演示文稿中描述的内容之外，我们还添加了一些功能： + 首先，我们添加了一个灯光缓存，用作光线追踪的后备，使我们能够射出相对较短的光线 + 其次，我们存储每个探头的平均光，主要用于雾 + 我们对探头使用延迟照明 + 我们将探针跟踪结果缓存到探针 Gbuffer 中，这样我们就可以跟踪和独立点亮探头

Slide 11

以下是探针更新管道的快速概述。我将详细介绍每个步骤详细信息，除了最后一项。探头重新定位是一种将探头稍微移动以将其推离的选项。物体表面，或将它们从物体中取出。它并没有带来任何显着的好处阿凡达所以没有被使用。有关更多详细信息，请查看 Nvidia 的 RTXGI

Slide 12

📌 要点汇总

级联位置独立更新：每个级联位置使用独立参数进行更新，确保灵活性。
初始基于相机位置：级联位置的初始设置依赖于相机的当前位置。
向前对齐选项：允许级联位置向前移动以优化布局。
地形限制功能：可选限制级联范围以包含地形，减少探测

管道的第一步是更新 cpu 上的级联位置 > 每个级联位置都用自己的参数独立更新 > 级联位置最初基于相机位置 > 然后可以使用向前对齐选项向前移动。 > 可选地，级联可以被限制为包括地形 > 在第二个级联中，三分之一被“浪费”在地形下，所以我们可以强制级联向上移动，以免浪费地形下方的探测器

Slide 13

📌 要点汇总

（无内容）：此幻灯片无演讲内容

13

Slide 14

现在我们知道级联在哪里，我们可以选择要更新的探针我们每帧的更新预算是 1024 个探针 >如果级联移动，将选择新的探头进行更新 >各种事情都会触发一些探测器失效，例如物体移动场景或一天中的时间发生变化。如果我们有任何无效的探测器，我们将在新探测之后优先更新那些。 >如果还有预算，现有探头将被动更新当我们缓存跟踪结果时，可以独立地跟踪和点亮探针不同的框架一些探头完全回溯并点亮（〜15％〜162个探头，如果有完整的预算）其余探头仅重新点燃（~85%~862 个探头）

Slide 15

对于每个探针，我们在其周围均匀发送 400 条光线 > 迹线范围设置为下一个级联的探头间距的 2 倍，因此这意味着 Cascade 3 中的探测器将发射 16m 射线 >如果我们击中某物，我们会记录击中点的距离、法线和材质 >然后我们检查级联阴影贴图以查看命中点是否在阴影中。如果是的话不，我们将追踪一条朝向太阳的光线。 >最后，所有这些数据都保存到探针gbuffer中

Slide 16

📌 要点汇总

探针追踪：一次追踪后可随时进行光照计算，提升后续帧效率
光线追踪处理：未命中采样天空纹理或轻缓存体积，命中则使用探针gbuffer信息点亮
简化BSDF计算：排除复杂材质（如头发、布料），仅计算直射光与分析光
BVH加速照明：通过BVH快速获取世界任意位置灯光信息，优化计算性能
间接照明：最终使用另一探针对命中点进行间接光照计算，增强画面真实感

一旦探针被追踪一次，我们就可以随时进行光照计算后续帧 > 如果光线追踪未命中，> 我们将采样天空纹理以获取更大的纹理级联，> 或对较小级联的轻缓存体积进行采样 >如果我们命中，>我们将使用探针 gbuffer 信息点亮命中点。 >我们使用简化的 bsdf 进行所有照明计算，因此没有诸如如头发、布料、清漆…… >我们计算来自太阳的直射光，>加上分析光。我们正在使用 BVH 可快速获取世界任何地方的相关灯光。 > 最后，我们使用另一个探针间接照亮生命点。

Slide 17

📌 要点汇总

RTGI卷：平均400条光线结果，用于间接照明与前向渲染
Light Cache：非平均RTGI版本，作为光线追踪回退缓存
**八面体映射

我们没有直接使用 400 条光线的照明结果，但我们正在平均这些结果分为不同的卷。 RTGI 卷与 RTXGI 演示和存储中描述的类似余弦加权辐照度。主要用于照明间接命中时，以及前向渲染对象。 Light Cache是RTGI体积不太平均的版本，主要用作缓存追踪光线时的回退。深度用于检查探头采样时的可见性。平均+有效体积主要用于雾和云渲染。 RTGI、Light Cache 和 Depth 使用八面体映射进行存储。

Slide 18

📌 要点汇总

采样探针流程：采样过程类似RTXGI演示，需参考其细节实现
周围8探针定位：确定采样点周围8个探针位置并循环处理
权重计算参数：基于距离、角度、可见度三要素计算探针权重
切比雪夫不等式应用：用于估计采样误差范围及不确定性分析

现在我们有了探针，我们可以对它们进行采样。采样探针的过程与 RTXGI 演示类似，因此我建议您参考该演示细节。找出采样位置周围有哪 8 个探头循环它们并根据距离、角度、可见度计算权重切比雪夫不等式

Slide 19

📌 要点汇总

平均体积存储：使用3D纹理存储简化版本，但无效探测器会导致暗光泄漏
无效探测器问题：内部或地形下探测器标记为无效，灯光全黑引发采样误差
有效性纹理采样：通过1/0值区分有效/无效探测器，避免无效数据干扰计算
除法优化方案：平均值与有效性纹理结合，直接输出有效探头的平均光照结果

对于平均体积，我们可以使用更简单的版本，因为它存储在 3D 中纹理。但是，位于物体内部或地形下方的探测器被标记为无效他们的灯光将是全黑的。如果我们这样做，这可能会导致暗光泄漏仅对平均 3D 纹理进行采样。为了解决这个问题，我们还对有效性纹理进行采样，如果探测器有效，则存储 1，或者如果无效则为 0。平均/有效性除法返回平均光，无需无效探头

Slide 20

以下是我们在《阿凡达》中使用的一些值。

Slide 21

这是直接在 gbuffer 上使用时 RTGI 卷的调试视图。

Slide 22

如果我们只使用探针而不是每个探针，这就是最终渲染的图像像素光线追踪。

Slide 23

现在我们已经有了一个可以工作的探针系统，我们可以讨论每像素光线追踪地理标志

Slide 24

我们的实现最初基于 GDC 2019 演示文稿“探索射线《地铁：离去》中追踪未来”。 > 根据质量，每像素 gi 以四分之一、一半或全分辨率进行追踪设置。对于《阿凡达》，控制台使用的是四分之一分辨率。整体流程如下： > 我们从初始屏幕空间追踪开始 > 如果屏幕空间追踪失败，我们继续进行世界空间追踪 > 如果后者失败，我们将使用探针缓存 > 光结果被编码为球谐函数 > 然后使用循环模糊方法进行去噪 > 最后，如果以四分之一或一半分辨率渲染，结果会放大

Slide 25

📌 要点汇总

余弦加权半球采样：用于光线追踪GI的光线生成，提高采样效率
非完全不透明表面处理：通过随机翻转光线方向模拟透射效果
射线范围计算：根据探针间距和级联信息确定射线最大范围

光线追踪 GI 的光线生成非常简单，我们只需使用余弦加权半球对随机方向进行采样分布。 > 如果表面不是完全不透明，则随机将光线翻转到另一个表面的一侧。 > 射线范围基于可用的最高级联中的探头间距，其中我们启动射线。因此，如果光线从最细级联开始，则光线范围将为 2x2m=4m。

Slide 26

现在我们有了光线，我们可以开始屏幕空间追踪。 > 如果追踪距离大于光线范围，我们就会错过，所以我们将能够在点亮时对探针缓存进行采样，有效地绕过任何“真实” 光线追踪。 > 如果光线被阻挡或离开屏幕空间，我们会检查有多少光线它已经追踪到的范围，>如果它大于某个阈值，我们也认为射线作为未命中，将直接对探针缓存进行采样。 > 如果不是，我们将该像素添加到进行光线追踪 > 如果命中，我们将对 Gbuffer 进行采样以获取所有材质数据。 > 如果我们击中的像素是自发光的，我们会检查其自发光亮度。 > 如果大于某个阈值，我们可能不想直接使用它，而是检查什么发射我们在 rt 世界中拥有的价值并使用它。提醒一下 rt 世界使用平均材料，因此物体上的明亮发射点 qets 在整个物体上平均网格代替。 > 如果命中不够发光或不够暗淡，我们将按原样使用它照明。

Slide 27

📌 要点汇总

屏幕空间与直接跟踪结合：ss跟踪命中发射材质时，继续跟踪以获取rt世界材质数据。
未命中条件判断：ss未命中且距离<0.01时重置射线，否则从屏幕空间断

光线跟踪是间接调度屏幕空间跟踪结果的。 > 如果 ss 跟踪导致发射命中，我们将跟踪该命中以获得 rt 生命值的世界材质。 > 如果ss未命中距离小于0.01，我们从头开始射线 > 否则，我们从屏幕空间停止的地方开始光线。 > 如果发生命中，如果 ss 命中是发射性的且 rt 命中不使用 ss 命中。 > 否则使用 rt hit 结果。 > 如果我们错过了，我们将在照明时简单地回退到灯光缓存。

Slide 28

说到照明，它分两次完成。第一个会错过照明，第二个将处理击中。我们分两次完成，因为击球部分比未命中部分复杂得多，因此单独进行意味着我们得到更好地利用 GPU 线程。 > 因此，如果我们有一个未命中的情况，我们首先检查射线的终点是否在任何级联中。 > 如果是，我们使用射线方向作为采样方向对探针缓存进行采样。 > 如果不在级联范围内，我们只需对天空盒进行采样。 > 然后将最终的照明结果编码为球谐函数，并且所有数据去噪所需的信息也被写入必要的纹理中。 > 在击中的 cade 中，我们只需将该像素转发到光击着色器。

Slide 29

📌 要点汇总

重新投影采样：将击中点投影到前一帧，采样历史照明以降低计算成本。
光照处理逻辑：根据投影结果区分使用太阳光+CSM阴影或探针+点光源的间接照明方案。
简化BSDF计算：探针照明采用简化的BSDF模型以提高效率。
萤火虫抑制：通过限制发射亮度减少光击中产生的噪点（萤火虫）。
输出去噪数据：最终输出光照结果

对于光击中着色器，我们要做的第一件事是将击中点重新投影到前一个框架。 > 如果投影点对应于前一帧的像素，我们可以简单地对之前的框架照明进行采样，这将以更低的成本提供更好的照明而不是在这里重新计算。 > 否则，我们将用太阳照亮命中点，使用 CSM 获得阴影信息。 > 然后对探针进行采样以获得间接照明， > 然后使用点光源。至于探针照明，这里的所有计算都是用简化的 BSDF。 > 最后，我们尝试通过限制发射来减少发射命中产生的萤火虫每个着色器波内的亮度。 > 然后输出光结果和所有必要的数据以进行去噪。

Slide 30

📌 要点汇总

球谐编码：光线追踪GI采用球谐编码技术处理光照信息
纹理格式：将数据转换为64位RG_Uint32纹理以提升存储效率
编码实现：通过特定函数实现光结果的球谐编码转换逻辑

如前所述，光线追踪 gi 使用球谐编码。我们正在打包将它们转换成 64 位的 RG_Uint32 纹理。您可以参考下面的函数看看我们如何编码光结果。

Slide 31

📌 要点汇总

光线追踪GI原理：通过屏幕空间追踪与探针回退技术实现全局光照效果
屏幕空间局限性：在屏幕空间追踪失效区域可能出现过暗的渲染结果
技术示例场景：以具体场景演示光线追踪GI的实现过程与潜在

你并不知道光线追踪 GI 是如何工作的，让我们看一些例子。我们就从这个场景开始吧。这里我们只使用屏幕空间追踪，探针的回退。 >在这里我们可以看到，在屏幕空间失败的地方，我们可以得到一些过暗的东西结果。

Slide 32

📌 要点汇总

自交集问题：RT世界中悬崖LOD生成大量自交集，影响视觉效果
微小物体缺失：地表细节（如草）在RT世界中未呈现，导致细节丢失
轨迹局限性：仅依赖世界空间轨迹无法解决复杂场景的几何问题

然而，在仅使用世界空间轨迹的情况下，我们可以看到一些更大的由于自交集导致的问题。 >这里，RT世界中使用的悬崖LOD创建了很多自交集。 >另一个问题是地面上的微小物体，例如草，不存在于 RT 世界，所以我们失去了所有这些细节。

Slide 33

当同时使用屏幕和世界空间追踪时，我们可以获得所有漂亮的细节屏幕空间，而且我们还从世界空间获得正确的照明。但更重要的是，同时使用屏幕空间跟踪和回退对于探测器来说，我们能够大量减少实际光线追踪的数量。对于这个特定的场景，只有 29% 的光线需要光线追踪，这意味着我们每 14 个像素追踪一条光线 – 这取决于场景，某些场景需要更多或更少的硬件射线

Slide 34

我们简单说一下去噪。在 Snowdrop 中，我们有 4 种不同的漫反射降噪器可用。 >TWD是最便宜的，但质量较差。在许多简单的情况下效果很好，例如与外部一样，但在更复杂的场景中留下了很多噪音 >MSD 是最新的一款，并且是随 Avatar 一起提供的。基于循环模糊，几乎与 TWD 一样快，但噪音降低更多，但代价是更多模糊。 >我们还拥有 NRD 的 ReBLUR 和 >ReLAX，它们在质量好，但也比较贵。

Slide 35

这是在控制台质量设置下去噪之前光线追踪 GI 的示例

Slide 36

这是使用 MSD 去噪后的结果

Slide 37

现在我们有了最终的去噪光线追踪 gi，我们可以将其应用到最终图像。 >我们没有直接应用它，而是使用球形谐波创建一个光源，用于我们拥有的完整 BSDF。 >可以使用以下方法提取光发射颜色和强度及其方向公式在这里。

Slide 38

📌 要点汇总

（无内容）：此幻灯片无演讲内容

38

Slide 39

📌 要点汇总

（无内容）：此幻灯片无演讲内容

39

Slide 40

📌 要点汇总

（无内容）：此幻灯片无演讲内容

现在我们来谈谈光线追踪反射。

Slide 41

📌 要点汇总

重要性采样：使用GGX重要性采样替代余弦加权半球采样。
混合分辨率跟踪：屏幕不同区域采用差异化的输入分辨率进行光线追踪。
射线长度控制：基于材质粗糙度而非固定探头间距计算射线长度。
反射层级限制：最多支持两层反射（Gbuffer与水/清漆材质分离）。
照明解调流程：在去噪处理前对照明结果进行解调处理。

光线追踪反射管道与光线追踪 gi 几乎完全相同。它是根据设置，还可以使用四分之一/一半或全分辨率。再次，控制台使用四分之一分辨率。我不会再讲完整的流程，只讲关键的部分差异。 > 显然我们使用的是 GGX 重要性采样而不是余弦加权半球一 > 我们在“输入”分辨率之上使用混合变量分辨率跟踪。这意味着屏幕的不同部分使用不同的分辨率进行追踪。 > 射线长度基于粗糙度而不是仅基于探头间距 > 我们最多可以有两个反射层，一个用于从 Gbuffer 反射，一个用于反射第二个来自水和/或清漆。 > 我们在去噪之前解调照明结果。

Slide 42

光线的生成又非常简单： > 我们使用 GGX 分布对光线方向进行采样 > 光线范围基于粗糙度；我们在这里使用一点噪音来没有相同粗糙度值的直线切割。这里的值被校准为对于粗糙度为 0.1 的范围为 50 米，对于粗糙度为 0.7 的范围为 5m

Slide 43

📌 要点汇总

优化光线追踪效率：通过调整权重减少低贡献光线的追踪时间
**权重影响

并非所有反射表面对最终图像都有相同的贡献，所以我们想要花更少的时间追踪贡献较低的光线这确实取决于内容，因此需要进行大量调整才能获得最佳结果以及质量和性能之间的权衡。但对于《阿凡达》，我们使用了不同权重的混合，基于 Ø亮度 Ø着色器组内的光照差异 Ø 打击距离 Ø 粗糙度 Ø 表面镜面反射率 Ø我们还根据表面法线计算方向值，该值用于决定半分辨率应为哪个方向

Slide 44

📌 要点汇总

像素质量计算：通过单个像素质量推导整个瓷砖的理想质量
质量混合策略：结合个体质量最大值与平均值，提升前帧质量稳定性
质量传递机制：当前帧计算的新质量将作为下一帧的输入参数

一旦计算出单个像素的质量，我们就可以计算出什么是理想的质量整个瓷砖。在这里，我们还得到了所有个体质量的最大值和平均值的混合作为前一帧的质量以获得暂时稳定的结果。新的质量将在下一帧中使用

Slide 45

📌 要点汇总

混合分辨率：不同颜色代表不同分辨率层级（全、半、四分之一、1/16）。
追踪质量差异：浅灰色与蓝色同为四分之一分辨率，但浅灰色迹线质量较低。
方向特性：绿色半分辨率分垂直和水平两种方向。
颜色与精度：红色全分辨率精度最高，深灰色1/16分辨率精度最低。
可视化示例：通过颜色区分分辨率层级，直观展示追踪效果差异。

这是混合分辨率分布的示例。红色瓷砖将以全分辨率追踪，在这里我们可以看到水主要是红色的。绿色是一半分辨率，具有两个方向：垂直或水平一半。蓝色是四分之一分辨率浅灰色也是四分之一分辨率，但迹线质量较低。深灰色为 1/16 分辨率

Slide 46

📌 要点汇总

解调与降噪对象：光线追踪反射结果在去噪前解调，以降噪到达物体表面的光，

光线追踪反射结果在去噪之前被解调，因为我们想要对到达物体表面的光进行降噪，而不是对物体表面的光进行降噪反射向相机。有关这方面的更多信息，我建议您参阅“光线追踪宝石”一章 32，以及 Eric 的“Sampling the GGX Distribution of Visible Normals”论文海茨。

Slide 47

📌 要点汇总

屏幕空间跟踪失效：在对象后方时无法正确追踪，导致不连续性或错误结果
薄物体误判问题：屏幕空间跟踪可能将薄物体错误识别为撞击对象
局限性：屏幕空间方法无法有效处理遮挡和复杂反射场景

最后，这是光线追踪反射的一些示例。让我们首先查看仅跟踪屏幕空间的结果。 > 在这里我们可以看到，屏幕空间跟踪在对象后面时会失败并可能导致明显的不连续性或错误的结果 > 您还可以看到屏幕空间跟踪将考虑传递到后面的问题较薄的物体作为撞击。

Slide 48

当仅追踪世界空间时， > 你显然可以看到低 rt 世界质量然而，光线正确地穿过薄物体后面，并且没有明显的不连续性是可见的

Slide 49

📌 要点汇总

SS与WS结合：SS提供细节但薄物体追踪无效，WS结果存在不连续性
光线追踪效率：仅需

当同时使用 ss 和 ws 跟踪时，我们从 ss 获得所有不错的细节，但也没有对薄物体的打击无效。然而，我们仍然可以得到 ss 结果和 ws 结果之间的一些不连续性

在这个场景中，只有大约 35% 的像素需要光线追踪，这可以给我们带来很大的帮助。性能改进。

Slide 50

我之前提到过 2 层反射，所以这里是一个示例喜欢。这里有第一层，位于 GBuffer 中

Slide 51

📌 要点汇总

分层结构：第二层含水与透明涂层，分层处理提升效果
**成本

这里有第二层，每层都有水，再加上透明涂层。这两层分别进行追踪和去噪，有效地使成本增加了一倍 rt 反射。因此，这仅适用于 PC 上的最高质量设置。

Slide 52

📌 要点汇总

漫反射降噪器：Snowdrop引擎提供多种降噪器用于漫

至于漫反射，我们在 Snowdrop 中有几种可用的降噪器。除了 4 已经提到，我们还有 AMD Fidelity FX Specular Denoiser。就而言质量/速度，它位于 TWD 和 MSD 之间。

Slide 53

📌 要点汇总

去噪前rt反射示例：展示左上角存在混合创建的方形工件
分辨率范围：从1/

这是去噪之前的 rt 反射的示例。您可以在左上角清楚地看到一些由混合创建的方形工件分辨率从 1/16 分辨率到全分辨率

Slide 54

并且去噪后

Slide 55

📌 要点汇总

高粗糙度处理：粗糙度≥0.9时采用光线追踪GI SH替代rt反射
粗糙度阈值：粗糙度＞0.7时对rt反射与rt GI结果进行lerp混合
解调重应用：需重新应用解调过程以实现rt反射在最终图像中的呈现

要将 rt 反射应用于最终图像，我们需要重新应用解调。对于粗糙度为 0.9 或更高的表面，我们使用光线追踪 GI SH 代替，并且粗糙度高于 0.7 时，我们会在 rt 反射和 rt gi 结果之间进行 lerp。

Slide 56

📌 要点汇总

（无内容）：此幻灯片无演讲内容

56

Slide 57

📌 要点汇总

（无内容）：此幻灯片无演讲内容

57

Slide 58

因此，了解光线追踪管道的工作原理固然很好，但我们真的可以在所有情况下使用它吗？控制台？我们来谈谈性能

Slide 59

首先，这是探针更新的 GPU 时序。探针更新是在计算队列上异步完成的，因此它的一些成本是隐藏的，但这里是不同部分的原始时间。您可以看到两个 Xbox 都有类似的成本重新分配，花费了一半的时间在光线追踪上。另一方面，RTX 4080 具有更多的光线追踪功能表演，大部分时间都花在灯光上。

Slide 60

📌 要点汇总

四分之一分辨率追踪：通过降低追踪分辨率，节省约34%追踪时间，减少计算负载。
屏幕空间跟踪优化：添加屏幕空间跟踪技术，

上面讲了一些优化，但是一些优化的实际影响是什么？那些？我们来看看。在这里我们可以看到追踪、照明和去噪的时间 Xbox Series X 上 1440p 的 gi 和反射。基线数无任何优化；无需使用任何探头、屏幕即可追踪无限长度的光线空间追踪，……唯一的优化是我们以四分之一分辨率进行追踪。 > 将屏幕空间跟踪添加到管道中，我们可以看到我们节省了大约 34% 以及 27% 的追踪时间 Ø向探针缓存添加回退，从而大大减少光线长度，我们将跟踪时间减少一半，并且还减少了照明通道位，因为更多的光线将回落到探测器上。 Ø接下来，分两次进行照明可以减少大约 10% 的部分 Ø最后，添加镜面反射的混合分辨率，我们又全面节省了 28%。有了所有这些，我们将漫反射和镜面反射的时间减少了一半，从 15 毫秒降至 7 毫秒

Slide 61

📌 要点汇总

Xbox Series S性能优势：XSS因有限光线追踪和简化照明，在特定场景下超越其他系列
光线追踪发射检查限制：XSS仅执行少量WS光线追踪，减少计算需求
照明简化优化：XSS未使用点光源，避免二次照明计算，提升效率

以下是 Xbox 和 RTX 4080 的一些性能数据，在潘多拉星球上的各种不同位置。在这里，您可以看到 Xbox 系列 S 奇怪地超越了 WS 中的其他两个系列追踪。这仅仅是因为对于XSS，我们只做WS 用于前面讨论的发射检查的光线追踪，因此只有少量的 WS 需要射线。 XSS 的照明也得到了简化，因为它不使用任何点光源；这意味着不需要分两次进行照明。

Slide 62

最后，这里有一些 rt 反射的数字。这里 XSS 还有一些额外的限制：我们只进行 WS 跟踪对于发射检查和水面，混合分辨率仅限于分辨率的一半为最大值。

Slide 63

我向您展示的所有内容都是我们随《阿凡达》一起提供的。对于那场比赛来说，在 95% 的情况下效果很好，但仍然存在一些局限性。

Slide 64

不连续性示例屏幕空间和之间光线追踪

第一个是明显的低分辨率 RT 世界。虽然这不会造成任何 rt gi 的问题，因为我们不需要高频细节，这是低频的问题粗糙度反射，例如镜子和静水。根据视角的不同，我们可以清楚地看到两者之间的不连续性屏幕空间和RT世界因此，艺术家需要避免此类反射表面。

Slide 65

走廊不的例子与探头对齐（顶部）以及（下）

其他一些问题来自探针系统，其形式如下：对关卡设计师的限制。 Ø第一个是封闭间距不能小于探头间距 Ø第二个是长走廊需要与探头对齐，要么完全轴线对齐，要么成45度。 Ø第三个是关于壁厚。这些需要足够厚，以免由于解决切比雪夫不等式的精度低而导致任何泄漏能见度。 最后一点是室内空间不能太大，尤其是垂直方向。事实上，大的内部空间可能会导致我们不得不使用低密度的级联，这可能会导致泄漏。

Slide 66

这是一个内部太高最终需要采样的示例上升时级联1。

Slide 67

📌 要点汇总

（无内容）：此幻灯片无演讲内容

那么，我们下一步该做什么？这里我不会讲太多细节，只是概述一下我们正在调查

Slide 68

📌 要点汇总

八叉树方法：替代级联方式，优化探针布局策略
探头集中探测：聚焦关键区域，避免冗余部署
适应不同关卡布局：八叉树结构兼容多类型场景规模
避免不重要区域：智能筛选有效探测范围
提升探测效率：动态调整

自适应探头示例探头间距：4m 外部，0.25m 探头里面

首先，我们一直在寻找更好的放置探针的方法，旨在解决我刚才谈到的大部分问题。我们最终尝试了八叉树方法来代替级联。有了它，我们可以>避免将探针放置在不重要的地方，并将探针集中在探测附近的物体。 Ø八叉树更适合任何类型的关卡布局和大小

Slide 69

📌 要点汇总

启发式删除策略：通过距离相机、视

以下是八叉树更新管道的概述。这替换了更新的部分在CPU上完成级联，但实际的探针更新没有改变。 Ø我们首先删除不再有用的单元格，这是通过一些不同的启发式方法完成的，例如到相机的距离，是否在视口中，…… Ø然后我们删除不再使用的探针，因为不再与细胞相关联 Ø然后我们选择要细分的新单元格。我们有不同的方法来做到这一点。一种方法是查看深度缓冲区并确定我们应该使用哪个八叉树深度有。另一种是根据要求。在照明过程中，当光线对探针进行采样，如果那些期望八叉树位于某个深度，但它是不是，他们可以请求为下一帧细分相关单元 Ø最后我们选择要更新的探针。对于级联，新探针优先。然后其余的都是随机选择的

Slide 70

📌 要点汇总

（无内容）：此幻灯片无演讲内容

70

Slide 71

📌 要点汇总

（无内容）：此幻灯片无演讲内容

71

Slide 72

📌 要点汇总

泄漏问题：薄壁导致室内外光线泄漏，需通过过滤探头限制采样范围
过滤探头：新增机制仅采样与光线实际位置对应的区域，避免无效计算
门户BVH：引入轻量级BVH结构，追踪光线是否从室内出发，判断是否离开房间
成本优化：新BVH结构计算开销极低，对性能影响可忽略

正如我们所见，室内和室外之间可能会发生泄漏，特别是因为薄壁。 >所以我们增加了一种在室外和室内之间过滤探头的方式，只采样对应于光线所在位置的那个 >如果房间有门或窗，我们需要知道光线是否离开了房间房间。为此，我们添加了一个新的门户 BVH，我们可以跟踪每条光线开始室内。这是一个相当轻的 BVH，因此成本可以忽略不计。

Slide 73

📌 要点汇总

顶部：不完整结果的示例由于均匀光线分布底部：已解决不完整的结果具有自适应光线分布

因为我们为每个探头均匀地发送光线， >由于某些探针捕捉到微小的发射物体，我们可能会得到不完整的结果问题而其他人可能不会。 >因此，为了解决这个问题，我们正在尝试更巧妙地将光线发送到重要的地方。这似乎解决了斑点问题，但也产生了更多的对比度。

Slide 74

📌 要点汇总

（无内容）：此幻灯片无演讲内容

74

Slide 75

📌 要点汇总

（无内容）：此幻灯片无演讲内容

75