編輯：David 桃子

【新智元導(dǎo)讀】虛幻引擎5中，多虧有了全局光照系統(tǒng)Lumen才能讓更多人人沉浸在虛擬世界中。對于它的研發(fā)過程，創(chuàng)立者Krzysztof Narkowicz對其進行了解讀。

實時全局光照（Real-time GI）一直是計算機圖形學的圣杯。

多年來，業(yè)界也提出多種方法來解決這個問題。

常用的方法包通過利用某些假設(shè)來約束問題域，比如靜態(tài)幾何，粗糙的場景表示或者追蹤粗糙探針，以及在兩者之間插值照明。

在虛幻引擎中，全局光照和反射系統(tǒng)Lumen這一技術(shù)便是由Krzysztof Narkowicz和Daniel Wright一起創(chuàng)立的。

目標是構(gòu)建一個與前人不同的方案，能夠?qū)崿F(xiàn)統(tǒng)一照明，以及類似烘烤一樣的照明質(zhì)量。

近期，在SIGGRAPH 2022上，Krzysztof Narkowicz和團隊講述了他們構(gòu)建Lumen技術(shù)之旅。

軟件光線追蹤——高度場

當前的硬件光線追蹤缺少強大的GPU算力支持。我們不知道硬件光線追蹤速度有多快，甚至不知道新一代控制臺是否支持它。

因此，軟件光線追蹤方法運用而出。事實證明，它確實是一個非常好用的工具，可以用于縮放或支持有大量重疊實例的場景。

軟件光線追蹤提供了一種可能性，那便是可以使用各種各樣的追蹤結(jié)構(gòu)，比如三角形、距離場（distance fields）、面元（surfels），或者高度場（heightfields）。

在此，Krzysztof Narkowicz放棄了研究三角形，簡要研究了面元，但是對于那些需要相當高密度才能表示的幾何圖形，對其進行更新或追蹤面元是相當昂貴的。

經(jīng)過初步探索，高度場是最合適的，因其能夠很好地映射到硬件中，并提供表面表示和簡單的連續(xù) LOD。

因為我們可以使用所有的POM算法，比如最小-最大四叉樹，因此它的追蹤速度是非常快的。

此外，多個高度場可以表示復(fù)雜幾何，類似于柵格化邊界卷層次結(jié)構(gòu)。

若將其視為面元的加速結(jié)構(gòu)也非常有趣，一個單獨的texel就是一個受限于常規(guī)網(wǎng)格的面元。

除了高度場，Lumen還有其他屬性，如反照率或照明，這樣就能夠計算出每次的照明。

在Lumen中，開發(fā)者將這張帶有表面數(shù)據(jù)的完整貼花式投影命名為卡（Cards），即捕獲位置。

柵格化的三角形

Raymarched cards光線步進卡（高度場）

對于場景中的每一張卡來說，進行光線步進太慢。因此需要一種卡的加速結(jié)構(gòu)，開發(fā)者選擇了一個4節(jié)點的BVH。它是為一個完整的場景構(gòu)建的，每一幀都在 CPU 上，并上傳到 GPU。

然后在追蹤著色器中，我們將進行基于堆棧的遍歷，并對節(jié)點進行動態(tài)排序，以便首先遍歷最接近的節(jié)點。

BVH 調(diào)試視圖

捕獲位置

這里最棘手的部分是如何放置高度場，以便捕捉整個網(wǎng)格。

Krzysztof Narkowicz稱，「其中一個想法是基于GPU的全局距離場。每一幀我們都會追蹤一小組主射線來尋找沒有被卡覆蓋的射線。

接下來，對于每一個未發(fā)現(xiàn)的射線，我們將使用表面梯度遍歷全局距離場，以確定一個最佳的卡方向和范圍，從而產(chǎn)生一個新的卡。

全局距離場的捕獲位置

一方面，它被證實可以為整個合并場景生成卡，而不必為每個網(wǎng)格去生成卡。另一方面，事實證明它在實踐中相當挑剔，因為每次相機移動時都會產(chǎn)生不同的結(jié)果。

另一個想法就是把每個網(wǎng)格的卡作為一個網(wǎng)格導(dǎo)入步驟。通過構(gòu)建幾何學的 BVH 來做到這一點，其中每個節(jié)點將被轉(zhuǎn)換為 N 張卡。

如下：

柵格化的三角形

光線步進卡(高場)

卡位置視圖

這一方法在在尋找一個好的位置時遇到了問題，因為BVH節(jié)點并不是放置卡的好代理。

那么，研究人員又提出了另一個想法：遵循紫外線展開技術(shù)，并嘗試聚類表面元素。

因為要處理數(shù)百萬個由Nanite提供的多邊形，因此他們將三角形換成面元。

同時，他們還切換到了一個較少的約束自由導(dǎo)向卡，以嘗試與表面匹配更好。

自由導(dǎo)向的卡位置

通過嘗試，這個方法對于簡單的形狀非常有效，但是在在收斂到更復(fù)雜的形狀上就出現(xiàn)了問題。

最后，Narkowicz又切換回軸對齊的卡片，但是這次是由面元集群和每個網(wǎng)格生成的。

錐形追蹤

追蹤高度場的獨特性質(zhì)還可以實現(xiàn)錐形追蹤。

錐形追蹤對于降低噪聲非常有效，因為一個預(yù)先過濾的單個錐體跟蹤代表了數(shù)千條單獨的射線。

光線追蹤

錐形追蹤

對于每個卡，開發(fā)者還存儲了一個完整的預(yù)過濾 mip-map鏈表面高度、照明和材料屬性。

在追蹤時，根據(jù)圓錐足跡選擇合適的步進光線，并對其進行射線追蹤。

無卡邊和帶卡邊的跟蹤

合并場景表示

在軟件中追蹤大量的非相干射線是非常慢的。理想情況下，可以使用單一的全局結(jié)構(gòu)，而非多個高度場。

當錐形足跡越來越大時，實際上并不需要精確的場景表示，可以用更近似的表示替代，以獲得更快的速度。

一個更復(fù)雜的場景，有幾十張卡片來追蹤每個光線

第一個成功的方法是實現(xiàn)純體素圓錐跟蹤，整個場景在運行時是體素化的，就像經(jīng)典的「Interactive Indirect Illumination Using Voxel Cone Tracing」一文中的那樣實現(xiàn)。

柵格化的三角形

光線步進卡 (高度場)

體素圓錐追蹤

光線步進卡繼續(xù)與體素錐跟蹤

而這種方法的主要缺點是，由于場景幾何體的過度融合而導(dǎo)致泄漏，這種現(xiàn)象在跟蹤粗低映射時尤其明顯。

第一種降低圖像泄漏的技術(shù)是，對全局距離場進行跟蹤，只在靠近表面的地方進行體素采樣。在采樣過程中，隨著采樣范圍擴大積累不透明度，停止追蹤時，不透明度將達到1。這樣總是在幾何體附近進行精確采樣，實現(xiàn)降低圖形泄露的目的。

第二種技術(shù)是對網(wǎng)狀內(nèi)部進行體素化。這大大減少了在較厚的壁處的泄露，不過這樣也會造成一些過度遮擋。

其他的實驗包括跟蹤稀疏體素位塊和每面透明通道的體素。這兩個實驗的目的都是為了解決射線方向體素插值問題，即對于不垂直于壁面的射線，軸對齊的實心壁將變得透明。

體素位磚是將每個體素存儲一個位在一個8x8x8的磚塊中，以指示給定的體素是否為空。然后使用兩級 DDA 算法進行光線步進。具有透明面的體素相似，但 DDA相同，并且沿著光線方向透明度不斷上升。結(jié)果表明，這兩種方法在表示幾何體方面的效果都不如距離域，而且速度相當慢。

帶有透明度的體素

最早的跟蹤合并表示的方法是，對全局距離字段和使用全局每個場景卡的著色命中進行錐形跟蹤。即遍歷一個 BVH，找出場景中的哪些卡影響采樣點，然后根據(jù)錐形足跡對每張卡的適度滑步水平進行采樣。

本文放棄了這種方法，因為當初沒有考慮只用它來表示遠場軌跡，而是把它看作是高場光線步進的直接替代。有點諷刺的是，這種被拋棄的方法與我們兩年后最終達成的解決方案最為接近。

第一個演示

到這里，已經(jīng)可以產(chǎn)生一些相當不錯的結(jié)果了:

盡管如此，還是遇到了很多圖形泄漏的問題，而且在這個簡單的場景中，即使在一個高端 PC GPU 上，性能也不是很理想。

為了解決泄漏問題，以處理更多的實例、在PS5上以8毫秒以下時間完成處理。這個demo堪稱是真正的催化劑。

與以往的方案相比，第一個變化也是最大的變化是，用距離場跟蹤取代高度場跟蹤。

為了遮蔽生命點，從卡片上插入生命點的光線，因為距離場沒有頂點屬性，這樣，未覆蓋的區(qū)域只會導(dǎo)致能源損失，而不是泄漏。

出于同樣的考慮，將體素錐形追蹤改為全局距離場射線追蹤。

與此同時，我們還做了很多不同的優(yōu)化，并通過緩存方案對Lumen的不同部分進行了時間分流。值得注意的是，如果沒有錐體追蹤，我們必須更積極地去噪和緩存追蹤，但這又是一個漫長而復(fù)雜的故事。

這是我們發(fā)送第一個演示后的最終結(jié)果，在PS5上一直低于8ms，包括所有共享數(shù)據(jù)結(jié)構(gòu)的更新，如全局距離字段。目前的性能表現(xiàn)甚至更好了，比如最新demo的完成時間接近4毫秒，質(zhì)量上也有明顯的改進。

尾聲

總之，本文對整個Lumen進行了全面重寫，還有許多不同的想法沒有實施。另一方面，有些東西被重新利用。就像最初我們用卡片作為追蹤表示，但現(xiàn)在用來作為緩存網(wǎng)格表面的各種計算方式。和軟件追蹤類似，開始是我們主要的追蹤方法，主要是圓錐體追蹤，但最后成為一種縮小規(guī)模和支持具有大量重疊實例的、復(fù)雜重度場景的方法。

參考資料：

https://knarkowicz.wordpress.com/2022/08/18/journey-to-lumen/

https://advances.realtimerendering.com/s2022/index.html#Lumen

https://www.youtube.com/channel/UC9V4KS8ggGQe_Hfeg1OQrWw