如何用WebGPU流畅渲染千万级2D物体：基于光追管线

🚀 优质资源分享 🚀

学习路线指引（点击解锁）	知识定位	人群定位
🧡 Python实战微信订餐小程序 🧡	进阶级	本课程是python flask+微信小程序的完美结合，从项目搭建到腾讯云部署上线，打造一个全栈订餐系统。
💛Python量化交易实战💛	入门级	手把手带你打造一个易扩展、更安全、效率更高的量化交易系统

大家好~我们已经实现了百万级2D物体的流畅渲染，不过是基于计算管线实现的。本文在它的基础上，改为基于光追管线实现，主要进行了CPU和GPU端内存的优化，成功地将渲染的2D物体数量由4百万提高到了2千万

相关文章如下：
如何用WebGPU流畅渲染百万级2D物体？

本文不需要实现构建和遍历BVH，而是直接使用光追管线提供的加速结构
本文的重点工作在于对CPU内存和GPU内存的优化，突破内存限制（如突破加速结构最大大小限制），使其支持千万级物体的数据

本文使用WebGPU Node项目，作者的介绍在这里。它在底层封装了Vulkan SDK，在上层提供了WebGPU API，实现了在Nodejs环境中使用WebGPU API和光追管线来实现硬件加速的光线追踪（需要使用nvdia的RTX显卡）！
我在2020年就已经基于该项目实现了3D场景渲染，相关介绍如下：
WebGPU+光线追踪Ray Tracing 开发三个月总结

目录* 需求

• 成果
• 1、选择渲染的算法
• 2、实现内存需求
• 3、渲染1个圆环
• 4、渲染10个圆环
• 5、显示FPS
• 6、实现剔除
• 7、测试渲染极限
• 8、拆分加速结构
• 9、拆分Instance Buffer
• 10、优化CPU端的内存占用
• 11、测试渲染极限
• 12、尝试优化构造加速结构
• 更多分析
• 总结
• 后续的改进方向
• 参考资料
• 欢迎浏览上一篇博文：如何用WebGPU流畅渲染百万级2D物体？

需求

跟百万级的Demo的需求是一样的，除了提高渲染的2D物体数量到千万级，目的是为了探索基于硬件的光追管线的实现能带来的优化极限