Project Icon

GfxExp

先进图形渲染算法实现与验证平台

GfxExp是一个开源项目,致力于实现和验证前沿图形渲染技术。该项目涵盖了ReSTIR DI、ReGIR、NRC等多种先进算法,旨在增强实时光线追踪和全局光照效果。此外,GfxExp还包含SVGF、TFDM等创新技术的实现,以优化渲染质量和性能。作为一个实验和学习平台,GfxExp展示了现代GPU渲染技术的应用潜力,为图形开发者提供了宝贵的研究资源。

图形实验

这里会随机放置一些用于实现/验证图形论文的内容。

要正确克隆此仓库,需要安装 Git LFS

实现

ReSTIR DI: 基于储层的时空重要性重采样(用于直接光照)

用于实时光线追踪动态直接光照的时空储层重采样 https://research.nvidia.com/publication/2020-07_Spatiotemporal-reservoir-resampling

ReSTIR DI 利用重采样重要性采样(RIS)、加权储层采样(WRS)以及合并多个储层的特性,在主光线命中点实现了从大量发光图元高效采样的能力。

[代码](https://github.com/shocker-0x15/GfxExp/blob/master/restir_di

示例 来自Morgan McGuire的计算机图形档案的Amazon Lumberyard Bistro(外部)

ReGIR: 基于网格的储层重要性重采样

第23章 "用基于网格的储层渲染多光源", 光线追踪宝石II https://www.realtimerendering.com/raytracinggems/rtg2/index.html

ReGIR与ReSTIR类似,使用流式RIS实现了从大量发光图元高效采样的能力。与ReSTIR DI不同,ReGIR支持二次及以后的光源采样,因此将储层记录在世界空间网格中,并执行两阶段的流式RIS。

[代码](https://github.com/shocker-0x15/GfxExp/blob/master/regir

  • 基本实现(均匀网格、时间重用)
  • 高级项目
    • 漫反射 + 光泽 BRDF
    • 环境光
    • 使用哈希图的滚动剪裁贴图或稀疏网格
    • ReGIR + 多重重要性采样(不可能?)

示例 来自Morgan McGuire的计算机图形档案的Amazon Lumberyard Bistro(内部)

NRC: 神经辐射缓存

用于路径追踪的实时神经辐射缓存 https://research.nvidia.com/publication/2021-06_Real-time-Neural-Radiance

路径追踪 + 神经辐射缓存通过用神经网络缓存的值替换超过某个路径长度的贡献,以小偏差为代价实现了低方差的估计(对某些场景还可以缩短渲染时间)。NRC是一个相对较小的网络,训练采用渲染过程中的在线学习,实现了"通过适应实现泛化",推理执行时间也很短,适合实时渲染。

[代码](https://github.com/shocker-0x15/GfxExp/blob/master/neural_radiance_caching

  • 基本实现(基于简单路径追踪、频率/单blob输入编码)
  • 高级项目
    • 结合多光源采样技术如ReSTIR/ReGIR
    • 添加多分辨率哈希网格输入编码:
      "使用多分辨率哈希编码的即时神经图形基元"
      https://nvlabs.github.io/instant-ngp/

示例 来自开放研究内容档案(ORCA)的Zero-Day

SVGF:时空方差引导滤波

时空方差引导滤波:路径追踪全局光照的实时重建
https://research.nvidia.com/publication/2017-07_spatiotemporal-variance-guided-filtering-real-time-reconstruction-path-traced

SVGF在参考物体表面参数的同时,对通过路径追踪等方法获得的光照结果进行图像空间滤波。它在时间和空间上跟踪每个像素光照的方差,在方差小的区域使用较小的滤波半径,在方差大的区域使用较大的滤波半径,从而在不过度模糊图像的同时减少渲染图像中的视觉噪声。通过使用à-trous滤波器,可以以相对较低的成本实现大的滤波半径。

SVGF在屏幕空间中对通过路径追踪等方法获得的光照结果进行滤波,同时参考表面参数。它在空间和时间上跟踪每个像素光照的方差,然后在方差较低的部分使用较小的滤波半径,在方差较高的部分使用较大的滤波半径,以消除渲染图像中的可感知噪声,同时避免图像过度模糊。它使用à-trous滤波器,因此可以以相对较低的成本使用大的滤波半径。

[代码](https://github.com/shocker-0x15/GfxExp/blob/master/svgf

  • 基本实现(时间累积、SVGF、时间抗锯齿)
  • 高级项目

示例 来自Morgan McGuire的计算机图形档案的Crytek Sponza

TFDM:无曲面细分位移映射

用于光线追踪的无曲面细分位移映射
https://research.adobe.com/publication/tessellation-free-displacement-mapping-for-ray-tracing/

在TFDM中,高度图的每个纹素的最小值和最大值被层次化记录的Minmax mipmap被用作与基础网格形状分离的隐式BVH(的一部分),从而无需预先进行曲面细分,就能以低内存占用实现对细节丰富的几何体进行光线追踪。在遍历过程中,每个基础三角形都会触发交点着色器。使用三角形每个顶点的位置、法线、纹理坐标和Minmax mipmap的值,通过仿射运算实时计算层次化的AABB并进行光线相交测试,最终与最终形状进行相交测试。

在TFDM中,Minmax mipmap用于层次化存储每个纹素的最小值和最大值,作为与基础网格形状解耦的隐式BVH(的一部分)。这允许在不进行预先曲面细分的情况下对详细几何体进行光线追踪,从而实现低内存占用。在遍历过程中,每个基础三角形都会调用交点着色器。使用三角形顶点的位置、法线、纹理坐标以及Minmax mipmap的值,通过仿射运算实时进行AABB计算和光线相交测试,最后与最终形状进行光线相交测试。

代码

  • 基本实现(Minmax mipmap遍历、盒子/两三角形局部相交、非环绕纹理)
  • 高级项目
    • 更好的根选择
    • 灵活的遍历顺序
    • 双线性局部相交
    • B样条局部相交
    • 纹理环绕
    • 纹理变换
    • 水密性考虑
    • 连续细节级别

示例 高度图来自textures.com

用于位移和壳映射的非线性光线追踪

用于位移和壳映射的非线性光线追踪
https://github.com/shinjiogaki/nonlinear-ray-tracing 壳空间——由基本三角形和顶点法线形成的偏移三角形所包围的空间——和纹理空间——位移映射中的高度场和壳映射中的实例BVH"无失真"存在的空间——之间的映射关系表明,在纹理空间中的射线表现为曲线,具体来说是二次有理函数。该方法通过直接求解曲线射线与由Minmax mipmap或实例BVH给出的AABB之间的交叉检测,以及曲线射线与纹理空间中微三角形的交叉检测,实现了高效且低内存消耗的位移映射和壳映射,无需繁琐的初始化处理。

[代码](https://github.com/shocker-0x15/GfxExp/blob/master/nrtdsm

  • 基本实现
    • 位移映射(非环绕纹理)
    • 壳映射(非环绕纹理)
  • 高级项目
    • 更好的根选择
    • 基于射线-包围盒击中距离的遍历顺序
    • 纹理环绕
    • 纹理变换
    • 壳映射的多材质支持
    • 验证论文中的数值行为和退化情况

示例 茶壶来自Morgan McGuire的计算机图形档案

其他

使用OptiX Utility作为OptiX/CUDA的包装器。

确认环境

目前已在以下环境中确认程序正常运行。

  • Windows 11 (23H2) & Visual Studio Community 2022 (17.9.7)
  • Ryzen 9 7950X, 64GB, RTX 4080 16GB
  • NVIDIA驱动程序 555.85(注意510-512版本左右存在几个OptiX问题。)

运行程序需要以下库:

  • CUDA 12.5
    注意CUDA 12.5在Visual Studio 2022 17.10.0中编译C++20时存在问题。
  • OptiX 8.0.0(需要Maxwell或更新一代的NVIDIA GPU)

开源软件


2024 @Shocker_0x15

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号