译文《Amortized Supersampling》

摘要

我们提出了一种实时渲染方案，该方案重用早期时间框架中的着色样本，以实现程序着色器的实际抗锯齿。使用重新投影策略，我们以亚像素精度维护几组阴影估计值，并逐步更新这些估计值，以便对于大多数像素，每帧仅评估一个新的着色样本。主要困难是防止在连续重新投影期间累积模糊。我们对重投影方法引入的模糊进行了理论分析。基于此分析，我们引入了一种非均匀空间滤波器、一种自适应递归时间滤波器和一种局部估计空间模糊的原则方案。我们的方案适用于随时间缓慢变化的抗锯齿着色属性。它在商用图形硬件上的单个渲染通道中工作，并提供超过 4×4 分层超级采样的质量结果，而成本只是其中的一小部分。

1. 介绍

使用抗锯齿去除采样伪影是计算机图形学中一个重要且经过充分研究的领域。在实时光栅化中，抗锯齿通常涉及两种硬件支持的技术：用于预过滤表面内容的 mipmap 纹理，以及用于去除表面轮廓处锯齿的帧缓冲多重采样。
随着图形硬件可编程性的提高，最初为离线渲染开发的许多功能现在可以实时使用。其中包括程序材料和复杂的着色功能。与预过滤纹理不同，程序定义的信号通常没有带限[Ebert等人，2003]，并且生成程序着色器的带限版本是一个困难且临时的过程[Apodaca and Gritz 2000]。
为了减少程序着色表面的锯齿伪影，一种常见的方法是使用超级采样来提高空间采样率（图 1c）。但是，在每个像素上多次执行复杂的过程着色器可能会非常昂贵。幸运的是，通常情况下，在任何给定的表面点，表面着色的昂贵元素（如反照率）随时间变化缓慢或保持不变。许多技术可以自动将程序着色器分解为静态和动态层 [Guenter 1994;琼斯等人，2000年;Sitthi-amorn 等人，2008 年]。我们的想法是以较低的时间速率对静态和弱动态层进行采样，以在相同的计算预算下实现更高的空间采样率。强动态层既可以以原始分辨率采样，也可以使用现有技术进行超采样
我们提出了一种实时方案，摊销超采样，该方案仅对大多数像素评估一次着色函数的静态和弱动态分量，并重用先前帧缓冲中计算的样本以实现良好的空间抗锯齿。跨帧重用着色信息的一般思想已被广泛研究，如第 2 节所述。我们的方法建立在实时重新投影的特定策略之上，GPU 像素着色器通过该策略“提取”与早期帧中相同表面点相关的信息。最近关于重投影的工作集中在跨帧重用昂贵的中间着色计算[Nehab et al. 2007] 和时间平滑阴影贴图边界 [Scherzer et al. 2007]。相比之下，我们的目标是对更通用的着色函数进行有效的超级采样。
摊销超级抽样面临着许多普通超采样所没有的挑战。由于场景运动，在早期帧中计算的样本集在重新投影到当前帧时会形成不规则模式。此外，一些样本由于遮挡而无效。因此，可用于重建的时空样本集的结构比典型的分层随机样本网格少得多。
我们以先前重新投影工作中引入的抖动采样和递归指数平滑为基础。本文的一个重要贡献是对这些技术引入的时空模糊作为递归滤波器中应用的相对场景运动和平滑因子的函数进行理论分析。我们表明，通过自适应调整该平滑因子，可以使基本的重投影算法收敛到静态场景静止视图的完美重建（无限超采样）（第 4.1 节）。此外，我们表明，对于移动表面，直接的重新投影会导致过度模糊（图1b）。我们的计划在解决这一关键问题方面做出了一些贡献：
• 使用多个亚像素缓冲区，以更高的空间分辨率维持重新投影估计;
• 对这些子像素缓冲区进行不规则的循环更新，以提高重建质量，同时仍然只需要每帧每个像素进行一次样本评估;
• 一种估计和限制重新投影和指数平滑过程中引入的模糊量的原则性方法;
• 自适应评估遮挡像素中的其他样本，以减少混叠;
• 一种估计和应对阴影缓慢时间变化的策略。

9. 结论

摊销超级采样是抗锯齿程序着色器的实用方案。本文解决的一个关键挑战是表征重投影方案引入的空间模糊，这些方案涉及在离散帧缓冲中反复重建中间值。基于此分析，我们引入了一种在递归时态过滤器中设置平滑因子的原则方法，并演示了如何在更高的空间分辨率下保持着色，同时仍然需要每个像素大约一次着色器调用。我们还介绍了一种处理时间变化着色器的方法，该方法适用于时空导数具有低时空频率的情况。我们证明了与固定分层超级采样和先前重投影技术的朴素扩展相比，我们的方法的有效性。