GAMES 202 - 学习笔记（03）

GAMES 202 - 学习笔记（03）

原课程视频链接以及官网
b站视频链接: https://www.bilibili.com/video/av887241709/.
课程官网链接: https://sites.cs.ucsb.edu/~lingqi/teaching/games202.html.

上节课遗留的微积分部分课程不会再单独进行复习了，转而在每一节涉及到微积分的地方再进行解释，课程接下来会先主要介绍 Real-Time Shadows 这个话题

Real-Time Shadows

Recap: Shadow Mapping

课程首先回顾了 Shadow Mapping 的原理以及存在的问题和解决方案。

Shadow Mapping 是针对点光源制作阴影的技术。它是两趟（2-pass） 的算法：

1. 第一趟从光源出发，记录从光源看向场景的深度 $D_l$
   

2. 第二趟从实际相机位置出发，看向场景，在着色过程中查看每个点能否被光源照亮，即比较 $D_v<D_l$，注意此时 $D_v,D_l$ 应处于同一空间
   

它是图像空间算法，因为需要知道的是光源到场景的深度就可以做 Shadow Mapping，它也存在一些问题，比如自遮挡和走样问题


通过在 Shadow Mapping 的两趟中，对光源处所获得的深度进行可视化，可以得到如下结果：


Shadow Mapping 存在的问题：

自遮挡（Self occlusion）: 是由于深度精度问题导致的。由于从光源处看向场景，会把场景的一块区域（图中红色线段区域）离散成光源处成像平面的像素，这时再与之比较，很有可能发生自遮挡问题：

解决办法是，两趟的比较结果在一定范围内不计算阴影，添加一定的 bias，但是这同样会引来其他问题，即阴影出现断裂：

学术界也提出方法来解决这个问题，但是由于实现多了一些复杂计算和存储，所以没有得到广泛的应用：

走样问题：由于深度缓冲分辨率导致的，可以采用 Cascaded Shadow Maps （该方法提供了不同分辨率的深度纹理）等方法来解决

The math behind shadow mapping

课程接下来讲了一下 Shadow Mapping 背后的数学原理：

首先在实时渲染（RTR）中，我们都考虑不等式为近似相等。在实时渲染中，有一个重要的近似为：
∫ Ω f ( x ) g ( x ) d x ≈ ∫ Ω f ( x ) d x ∫ Ω d x ⋅ ∫ Ω g ( x ) d x \int_{\Omega} f(x) g(x) \mathrm{d} x \approx \frac{\int_{\Omega} f(x) \mathrm{d} x}{\int_{\Omega} \mathrm{d} x} \cdot \int_{\Omega} g(x) \mathrm{d} x