本文探讨了反走样技术，如MSAA、FXAA和TAA，如何通过空间和时间采样减少锯齿和摩尔纹。重点介绍了像素内多采样、高精度模糊后填充，以及DLSS利用深度学习增强图像细节。同时涵盖了超分辨率技术如何改善图像清晰度，解决采样不足的问题。
反走样，深度缓冲
采样：时间，空间
采样问题（瑕疵artifacts）：锯齿，摩尔纹
可以模糊（滤波）后采样
频域：
傅里叶变换：cos，sin能表示所有周期性函数
低通：
高通：
时域卷积等于频域相乘，反过来成立，成为对称性，即时域（空间域）相乘，频域卷积
MSAA：
像素内部多加采样点（求覆盖率）（对信号模糊操作）
用更高采样率采样，然后模糊后填充到当前分辨率。
代价：增大计算量
FXAA （Fast Approximate AA）（后期处理）锯齿换成没有锯齿的边界
TAA（temporal AA） （静止效果好） 时域上采样不同点
超分辨率：放大减少锯齿（解决样本不足的问题）
DLSS（Deep learning super sample）
179
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
