问什么是稀疏体素八叉树？

EN

一份名为《Efficient Sparse Voxel Octrees Analysis，Extensions，and Implementation》的NVIDIA白皮书对其进行了非常详细的描述here

这里有一段关于id Software on this subject.的片段

id Tech6将使用一种更先进的技术，该技术建立在MegaTexture思想的基础上，并将几何体和纹理都虚拟化，以获得与纹理元素等效的独特几何体:稀疏体素八叉树(SVO)。

它通过对存储在八叉树中的体素(而不是三角形)表示的几何体进行光线投射来工作。

目标是能够将八叉树的某些部分流式传输到视频内存中，沿着树向下为附近的对象提供更多细节，并对更多对象使用更高级别、更大的体素，这为几何体和纹理同时提供了自动细节级别(LOD)系统。

也就是here's a paper on this.

在此great blog entry.中找到更多信息

嗯，体素本身并不是那么有趣，因为对于任何合理详细的建模，你都需要非常大量的体素(如果使用统一的网格)。

因此，需要一个层次化的系统，这给我们带来了八叉树。八叉树是一种非常简单的空间数据结构，它将每个节点细分为8个相等大的子节点。

稀疏八叉树是一种八叉树，其中大多数节点都是空的，类似于对微分方程进行离散化时所得到的稀疏矩阵

一棵八叉树有8个邻居，因为如果你想象一个正方形，它被切成4个相等的四分之三，如下所示

______________
|     |      |
|     |      |
|_____|______|
|     |      |
|     |      |
|_____|______|

那么它将是一个“四”(四)-tree。

但是在3维空间中，你有自己的立方体，而不是正方形，所以水平、垂直和沿Z轴切割它，你会发现8块而不是像这样的4块

    _____________
   /     /     / |
  /-----/-----/  |
 /_____/_____/ | |
 |     |     | |/|
 |-----|-----|/| |
 |     |     | |/
 |_____|_____|/

希望这使自..。

SVO的独特之处在于，它存储了体素信息，体素信息是空间中的一个点，具有颜色、法线等属性。

SVO背后的思想是忽略三角形和纹理的需求，将它们放在一个SVO中，该SVO包含Voxelized Triangle Hull(模型)及其表面纹理，所有这些都在一个对象中。

这里需要八叉树的原因是，否则统一的网格结构将需要太多的内存来处理现有的显卡。

因此，使用SVO允许一种Mip映射的3D纹理。

MipMapping基本上是相同的图像，但比例不同，一个细节更多，而最新的细节最少(但从远处看非常相似)

这样，附近的对象可以更详细地从SVO流出，而更多的对象可以更少的细节流出。也就是说，如果你使用光线投射..光线离相机越远，我们对Mega-Texture/SVO的研究就越少

但是，如果你像"Euclideon“的”无限细节“那样跳出框框思考，你只会使用平截体切片和平面/aabb交叉点，用我们切片广告牌的投影UV在屏幕上找到每种纹理像素的颜色，而不是宽度*高度像素，射出光线，使用nvidia天真的”光束优化“。

PS(有点离题)：对于那些不了解Euclideon是如何做的，我相信这是最实用的解决方案，我有理由支持它(他们不使用光线投射)

他们最大的谜团，不是渲染，而是存储他们的数据。RLE根本不能解决这个问题..因为一些体积/体素数据可能更随机，在RLE没有用处的情况下不那么“可靠”，对我来说，压缩通常需要至少5个字节才能压缩成更少的数据。他们说他们通过压缩输出了大约一半的输入内容。所以他们使用了2.5字节，这与现在的三角形大致相同。