实时GI技术的选择

Question

我正在考虑我的论文中与计算机图形学相关的主题--我会比较一些完全实时工作的GI技术(没有预先计算到光图等)，并且每一个帧都是重新计算的，以缩小我的主题范围。

我打算比较两种技术：

• 基于RSM抽样启发式算法(亮度提示)
• 基于每帧场景体素化的锥跟踪(Voxel锥跟踪)

每一种技术都是基于栅格移动和相机的体素大小增量。

我认为关键是用更一般的方式描述一种技术的利弊。例如，其他一些技术是基于RSM采样的。我想有两种就够了。

是否有其他重要或流行的技术，我应该包括或我不知道？

Answer 1

在这种情况下，Killzone呈现一个反射反射，但是使用时间反混叠将最后一个帧与当前帧结合起来。

在实践中，这意味着您得到了许多反射，因为实际上，每一帧呈现的反射捕捉到以前的反射数作为新的反射-每个帧加一个。

不完全是GI，但如果人们在未来更多地追求这个方向，如果他们还没有开始努力的话，我也不会感到惊讶。

时间抗混叠通常可以让你得到更多的样本与后续帧，但使用这种方式，它也给你更高的反弹计数与后续的帧。

我完全可以看到路径跟踪类型的路径跟随，选择反射或BSDF射线，例如基于菲涅尔方程，并让时间AA结合它随着时间的推移。

Answer 2

许多实时GI解决方案涉及到一些预计算，这使得实时照明变化，但限制几何变化是非实时的。例如，在锥跟踪中，您提到了非实时场景体素化过程。除了你列出的那些解决方案外，下面这些实时解决方案也是少之又少。

1. 光探针
2. 屏-空间GI
3. 虚拟点灯
4. 预计算辐射传递

这也是你如何定义实时的问题:什么是FPS，什么样的硬件，以及什么样的场景复杂性。