MSAA的绩效评估如何？

Question

我发现自己越来越感兴趣的渲染技术使用多重抽样的反混叠(显然)，无序透明，卷等。

在范围内搜索MSAA的性能编号只能让我对这个和那个游戏的玩家做出判断，即使这样，MSAA也只用于AA，并且与基于屏幕的后处理AA相比，除了AA几乎不能用于其他任何事情。

对于拥有x2、x4、x8、x16 MSAA的成本有任何经验(内存消耗除外)吗？线性的？对数？

Answer 1

粗略地说，超采样反混叠方法所做的是：

• 对于要呈现的图像中的每个像素
  • “分割”目标图像的像素，通常在2，4，8或16中。实际上，这一步更多:选择像素内的2，4，8或16个位置(“样本”)
  • 计算图像在每个位置的颜色(样本或“分割部分”).，因此，我们计算2x、4x、8x或16倍的值，而不是仅计算图像在单个像素中的颜色。
  • 计算所有2、4、8或16种样本颜色的平均值，以确定最终颜色或初始像素。

你可以看到，超采样成本与计算图像中一个像素颜色的成本成正比。因此，这取决于阴影的成本。

它还取决于像素数，即图像的分辨率。

在光线追踪应用程序中，这意味着需要计算2、4、8或16倍的射线。

在GPU加速的图形计算中，这意味着将执行2、4、8或16倍的像素着色器(“片段程序”)。

粗略地说，多采样反混叠方法所做的是：

• 对于要呈现的图像中的每个像素
  • 选择像素中的2、4、8或16个位置(“样本”)
    • 对于场景中的每个原语(三角形)(实际上，只有那些重叠像素的元素)：
      • 确定这些样本中哪些被当前三角形覆盖。
      • 如果至少有一个这样的样本，则计算该三角形对像素的贡献的单个颜色，并为每个样本covered存储它--如果每个样本被不同的三角形重叠，则会发生更糟的情况；在这种情况下，必须计算每个三角形的颜色。

- Compute the average of all the gathered sample colors to decide the final color or the initial pixel

你可以看到，评估多采样反混叠比超采样要复杂得多，因为它也取决于场景的拓扑结构(三角形的大小和形状)。