GAMES 202 - 学习笔记(04)
Lecture 4: Real-Time Shadows 2
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.
Real-Time Shadows
今天的内容会集中在 More on PCF and PCSS , Variance soft shadow mapping,MIPMAP and Summed-Area Variance Shadow Maps 和 Moment shadow mapping 四个话题
More on PCF and PCSS
PCF
PCF 背后的数学原理其实就是滤波(卷积)
滤波直观的理解就是:通过一个窗口大小的核对图像像素进行逐窗口的“加权求和”,这里类比成“加权求和”去理解就行了,对于不同的滤波有不同的计算规则,动图如下:
滤波的数学定义:
[ w ∗ f ] ( p ) = ∑ q ∈ N ( p ) w ( p , q ) f ( q ) [w * f](p)=\sum_{q \in \mathcal{N}(p)} w(p, q) f(q) [w∗f](p)=q∈N(p)∑w(p,q)f(q)
式子的意思就是:假设窗口中间像素值为 f ( q ) f(q) f(q),那么在窗口范围内 q ∈ N ( p ) {q \in \mathcal{N}(p)} q∈N(p) 中,考虑某种加权规则 w ( p , q ) w(p, q) w(p,q) 对中间像素进行加权
根据之前 PCF 的定义,它是在比较深度过程中做的滤波,所以它的定义如下:
V ( x ) = ∑ q ∈ N ( p ) w ( p , q ) ⋅ χ + [ D S M ( q ) − D scene ( x ) ] V(x)=\sum_{q \in \mathcal{N}(p)} w(p, q) \cdot \chi^{+}\left[D_{\mathrm{SM}}(q)-D_{\text {scene }}(x)\right] V(x)=q∈N(p)∑w(p,q)⋅χ