英伟达实时路径追踪研究进展

实时图形学正处于向Path Tracing过渡的历史性时刻。Path Tracing是最准确的渲染方式，但由于多次反弹，以及光、材质的模拟，因此计算量也是巨大的。随着硬件加速，系统的研究以及随机采样和降噪方面的进展，NV已经开始为数十亿个三角形和数百万光源的场景实时光线追踪。本文是GDC2022大会Nvidia关于实时光线追踪的报告，概述了NV在Real-time Path Tracing的最新研究成果和性能优化。下面是我观看该视频的心得总结。

首先，作者分享了两个场景，一个是“Tiger in the jungle”，场景的特点是有30亿的实例化三角形以及350广域网的毛发（曲线），因此，该场景中光路的反弹次数高达30次，目的是正确的获取毛发的阴影效果。另一个场景是“Paris Opera Housing”，这个场景的特点是存在50万的自发光以及30个聚光灯，体现的是处理many lights的能力。这两个场景的渲染帧数都是在30FPS以上。最后，作者也分析了一帧中各个部分所消耗的时间，比如构建V-Buffer，BVH，光路渲染，降噪，后处理等。

接着，作者介绍了Falcor(该报告中用到的渲染引擎)的Pipeline，如何生成阴影图，如何实现RTX的Direct illumination，以及解决电介质（水，玻璃，冰块等）嵌套问题，重点介绍了为了降噪，需要将光路的贡献分解为diffuse，specular，以及反射，折射和其余这几类，以buffer的形式存储，这个过程称为Path decomposition，同时，我们也需要记录对应的材质类型，这在降噪中可以用来指定Kernel的size，这称为 path demodulation。视频中也给出了是否开启path demodulation的效果不同。 将这些信息交给后处理，则完成了Denoiser，DLSS和后处理，完成整个渲染过程。

然后，作者介绍了一些Coding方面的工作，重点介绍了SLANG这个shader语法，个人理解该语言提供了一定的面向对象的能力，提供了interface的方式，支持动态创建的能力，同时具有编译阶段优化的方式，具体内容可以看视频。

介绍完整体渲染管线和coding后，作者又分享了主要的优化工作，为了减少divergence问题而进行的材质优化，以及GPU的缓存优化策略，BVH相关的优化。

最后，作者给出了该渲染引擎加载PBRT中场景的效果，给出了自己的总结：Real-time path tracing is here。并解释了实时渲染和离线渲染之间的个人理解和future work。最后的最后，作者给出了相关的资源。