本文深入探讨了GPU加速技术在场景裁剪中的应用，特别是结合启发式算法（heuristic）在裁剪决策过程中的创新实践。通过分析Umbra的演示，介绍了使用Bounding Volume Tree进行相机裁剪的方法，并阐述了GPU侧两种模式：基于前一帧Bounding Volume的Occlusion Query结果来跳过Draw Call，以及直接进行当前帧裁剪判断的独特策略。文章还强调了层次结构的应用，如K-D Tree、Quad Tree和Octree等在相机视锥裁剪中的重要性，以及如何利用一致性时间的思想进行优化。
http://http.developer.nvidia.com/GPUGems2/gpugems2_chapter06.html
结合其他一些blog的阅读经验，一个感觉就是技术blog也应该像写代码--简洁优雅！
why？
之前听了umbra的presentation，关于occlusion culling，大卫顾同学推荐我看这个。
（以下介绍都是umbra在presentation上的介绍，其核心竞争力也就是启发式算法（heuristic)他们并无介绍)
umbra使用bounding volume tree for camera culling(cpu side of course)。
gpu side有两个模式，一个是传统的读上一帧的bounding volume的occlusion query的结果，来做drawcall skip。
一个是利用heuristic做本帧直接的判断，这个是比较神奇的地方，umbra自己也没做到完全无错，在我看来做绝对准确的判断有点不可思议，但是在经历了几起让我吃惊的技术阅读之后，不下“不可能”这个判断了吧。
gpu gems2这个文章的核心我觉得就是hierarchy的应用。
至于具体的可以是kdtree，quadtree，octree。。。
在camera frustum culling无需说。
gpu occlusion query又用到coherence temperal的思想，如果一个tree的某一枝没有被看到，那么其子节点就也不判断了。
看到了就进一步向下traverse，其实和cpu端的frustum culling没什么不一样。
that's all.
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
