[siggraph19]《荒野大镖客2》的大气云雾技术（3/4）
froxel
froxel也是技术创造的名词：这个的缩写frustum voxel；
也是用voxel的形式，存储低精度的场景volume信息，然后用于低频信息渲染，比如scattering；
《荒野大镖客2》中的存了三种信息：
- shadow
- material
- lighting ： 结合前两者来计算
shadow volume，注意这个不是阴影算法的shadow volume，就是存放shadow的volume信息，包括了普通shadow和cloud shadow；
中间使用了temperal filtering来处理稳定的问题；
material volume，各种材质信息，也带上了wind交互等等（让我想起了战神的风力存在volume中）。
也有temperal filter。
ray marching
可能有的读者对ray marching还不是特别熟悉，ray marching特别常用于volume类的渲染中，鉴于一些计算硬件和数据的限制，有些情况难以很容易的使用ray trace的方式寻找交点，比如local reflection中要对depth buffer找交点。那么就用步进的方式来找交点，这种方法就是ray marching；这里的步长的选择是应用ray marching的时候需要具体斟酌的地方。
回到《荒野大镖客2》，ray marching的步长策略选择也是颇费心思：
- 考虑到场景深度，ground plane，cloud dome
- 另外要仔细考虑到云层的厚度信息
即便这样也很容易跳过比较薄的云层。
ray marching优化
先看下最终的性能
可以看到ray march是占据着性能的大头，而且这还是经过优化过之后的结果。
这里优化就基于两个大的策略：low resolution + temperal，也就是在低分辨率上做raymarch计算，然后通过多帧来重建。
这个部分很精彩，我们多展开。
这里raymarch的起点是在froxel的末端，带上blue noise（可以理解成一个频率较高的noise了，感兴趣可查下）做偏移。
半分辨率大小，然后分4帧来计算。
raymarch reconstruct
由于是分4帧来构建，所以每帧只能raymarch 2x2 像素中的一个，另外三个就要从history buffer中拿。
这里用了temperal相关的很多做法，一些在taa中颇为常见。
1，使用了3x3 像素这color aabb clamp的方式
2，大的深度断裂的地方，临接像素就不考虑了
3，在深度断裂(depth discrepancies)的地方，放更多的ray
这里能正确的判定出来depth discrepancy还是比较棘手的，要做的事情就是在6x6（2x2 ray, 3x3 neighbouhood, 所以一共6x6）像素中，正确的识别depth的min/max;
尝试1，uniform分布
可以看到在frame2里面，min/max就错了，这个会导致误判。
尝试2，checkerboard方式
能处理的case好很多，
但是这种情况下还是不行：
总之局部的分布策略总是有cover不住的情况了，还是要引入整体的信息才行。
尝试3：checker board+depth neighborhood analysis
先是拿到3x3tile（每个tile是2x2像素）的depth min/max,然后每一个tile中和其余的8个点比，如果其余的8个都是min，那么这个就取一个max depth的点。
up scaling
up scale这里是4taps dither，depth连续就平均，不连续就取最近
效率
长的raymarch部分是最消耗的。
[siggraph19]《荒野大镖客2》的大气云雾技术（3/4）
froxel
froxel也是技术创造的名词：这个的缩写frustum voxel；
也是用voxel的形式，存储低精度的场景volume信息，然后用于低频信息渲染，比如scattering；
《荒野大镖客2》中的存了三种信息：
- shadow
- material
- lighting ： 结合前两者来计算
shadow volume，注意这个不是阴影算法的shadow volume，就是存放shadow的volume信息，包括了普通shadow和cloud shadow；
中间使用了temperal filtering来处理稳定的问题；
material volume，各种材质信息，也带上了wind交互等等（让我想起了战神的风力存在volume中）。
也有temperal filter。
ray marching
可能有的读者对ray marching还不是特别熟悉，ray marching特别常用于volume类的渲染中，鉴于一些计算硬件和数据的限制，有些情况难以很容易的使用ray trace的方式寻找交点，比如local reflection中要对depth buffer找交点。那么就用步进的方式来找交点，这种方法就是ray marching；这里的步长的选择是应用ray marching的时候需要具体斟酌的地方。
回到《荒野大镖客2》，ray marching的步长策略选择也是颇费心思：
- 考虑到场景深度，ground plane，cloud dome
- 另外要仔细考虑到云层的厚度信息
即便这样也很容易跳过比较薄的云层。
ray marching优化
先看下最终的性能
可以看到ray march是占据着性能的大头，而且这还是经过优化过之后的结果。
这里优化就基于两个大的策略：low resolution + temperal，也就是在低分辨率上做raymarch计算，然后通过多帧来重建。
这个部分很精彩，我们多展开。
这里raymarch的起点是在froxel的末端，带上blue noise（可以理解成一个频率较高的noise了，感兴趣可查下）做偏移。
半分辨率大小，然后分4帧来计算。
raymarch reconstruct
由于是分4帧来构建，所以每帧只能raymarch 2x2 像素中的一个，另外三个就要从history buffer中拿。
这里用了temperal相关的很多做法，一些在taa中颇为常见。
1，使用了3x3 像素这color aabb clamp的方式
2，大的深度断裂的地方，临接像素就不考虑了
3，在深度断裂(depth discrepancies)的地方，放更多的ray
这里能正确的判定出来depth discrepancy还是比较棘手的，要做的事情就是在6x6（2x2 ray, 3x3 neighbouhood, 所以一共6x6）像素中，正确的识别depth的min/max;
尝试1，uniform分布
可以看到在frame2里面，min/max就错了，这个会导致误判。
尝试2，checkerboard方式
能处理的case好很多，
但是这种情况下还是不行：
总之局部的分布策略总是有cover不住的情况了，还是要引入整体的信息才行。
尝试3：checker board+depth neighborhood analysis
先是拿到3x3tile（每个tile是2x2像素）的depth min/max,然后每一个tile中和其余的8个点比，如果其余的8个都是min，那么这个就取一个max depth的点。
up scaling
up scale这里是4taps dither，depth连续就平均，不连续就取最近
效率
长的raymarch部分是最消耗的。