新闻详情

新闻详情

首页 / 资讯中心 / 详情

大场景视距裁剪与 Hi-Z 遮挡剔除在移动端的实操与优化

发布时间:2026/11/17 20:14:45来源:尧图网络
大场景视距裁剪与 Hi-Z 遮挡剔除在移动端的实操与优化
大场景视距裁剪与 Hi-Z 遮挡剔除在移动端的实操与优化在开放世界大场景游戏中仅靠视锥体裁剪Frustum Culling已无法遏制渲染几何负载的膨胀。当玩家站在山谷或城镇街道中央时视野前方虽然包含了数万个建筑、植被和道具但其中超过 70% 的物体实际上完全被前方的大山或临街城墙遮挡。如果将这些完全不可见的物体依然送入渲染管线会产生巨量的顶点吞吐浪费与无效的 Early-Z 深度测试开销。层次深度缓冲Hierarchical Z-Buffer, Hi-Z遮挡剔除利用上一帧生成的深度金字塔Depth Pyramid在 GPU Compute Shader 中对候选包围盒AABB进行快速保守可见性测试结合 GPU Driven 渲染架构的间接绘制DrawMeshInstancedIndirect可以在移动端将 Draw Call 与顶点处理压力削减 60% 以上。Hi-Z 遮挡剔除工作流与原理解析Hi-Z 的核心思想是构建一个类似 Mipmap 的深度纹理金字塔。在标准纹理采样中Mipmap 生成采用平均值Average Downsampling但在 Hi-Z 深度金字塔中每个降采样像素必须取其对应的 4 个子像素的最大深度值在 Reverse-Z 规范下为最小深度值代表最靠近相机的表面以确保遮挡判定的严格保守性Conservative Testing。[原始深度缓冲 (Depth Pre-Pass)] │ ▼ (Max/Min 降采样构建 Mipmap 链) [Hi-Z 深度金字塔 (1/2, 1/4, 1/8, 1/16, ...)] │ ▼ (在 Compute Shader 中输入候选包围盒 AABB) ┌──────────────────────────────────────────────┐ │ 1. 视锥体相交测试 (Frustum Test) │ │ 2. 计算 AABB 屏幕空间包围矩形与对应 Mip 级别 │ │ 3. 采样 Hi-Z 金字塔深度并与 AABB 最近深度比对 │ └──────────────────────────────────────────────┘ │ ▼ (通过测试的实例写入 Culled Instance Buffer) [DrawMeshInstancedIndirect 间接绘制命令触发]移动端 Hi-Z Compute Shader 核心实现以下是基于 HLSL 实现的 GPU 实例剔除着色器代码支持 Reverse-Z 模式#pragma kernel CSMain struct InstanceData { float4x4 objectToWorld; float3 boundsCenter; float3 boundsExtents; }; StructuredBufferInstanceData _InstanceBuffer; AppendStructuredBufferuint _VisibleInstanceArgsBuffer; Texture2Dfloat _HiZDepthTexture; SamplerState sampler_HiZDepthTexture; float4x4 _ViewProjectionMatrix; float4 _CameraPositionWS; float4 _HiZTextureSize; // (Width, Height, 1/Width, 1/Height) float _MaxDrawDistance; // 判断 AABB 是否在视锥体外部 bool IsOutsideFrustum(float3 center, float3 extents) { // 标准 6 个视锥平面的快速点积判别 // 此处省略 6 平面判别循环返回 true 表示在视野外 return false; } [numthreads(64, 1, 1)] void CSMain(uint3 id : SV_DispatchThreadID) { uint instanceIndex id.x; InstanceData inst _InstanceBuffer[instanceIndex]; float3 centerWS mul(inst.objectToWorld, float4(inst.boundsCenter, 1.0)).xyz; float distToCamera distance(_CameraPositionWS.xyz, centerWS); // 1. 距离裁剪 if (distToCamera _MaxDrawDistance) return; // 2. 视锥体裁剪 if (IsOutsideFrustum(centerWS, inst.boundsExtents)) return; // 3. 计算 AABB 在屏幕空间的投影像素范围 float3 minWS centerWS - inst.boundsExtents; float3 maxWS centerWS inst.boundsExtents; float3 boxCorners[8] { float3(minWS.x, minWS.y, minWS.z), float3(maxWS.x, minWS.y, minWS.z), float3(minWS.x, maxWS.y, minWS.z), float3(maxWS.x, maxWS.y, minWS.z), float3(minWS.x, minWS.y, maxWS.z), float3(maxWS.x, minWS.y, maxWS.z), float3(minWS.x, maxWS.y, maxWS.z), float3(maxWS.x, maxWS.y, maxWS.z) }; float2 minScreen float2(1.0, 1.0); float2 maxScreen float2(-1.0, -1.0); float nearestDepth 0.0; // Reverse-Z: 1.0 为近平面, 0.0 为远平面 [unroll] for (int i 0; i 8; i) { float4 clipPos mul(_ViewProjectionMatrix, float4(boxCorners[i], 1.0)); float3 ndc clipPos.xyz / clipPos.w; minScreen min(minScreen, ndc.xy); maxScreen max(maxScreen, ndc.xy); nearestDepth max(nearestDepth, ndc.z); // 找到离相机最近的深度 } // 映射到 [0, 1] 纹理坐标空间 float2 minUV saturate(minScreen * 0.5 0.5); float2 maxUV saturate(maxScreen * 0.5 0.5); float2 uvSize (maxUV - minUV) * _HiZTextureSize.xy; // 根据包围盒像素占位计算最佳采样 Mip 级别 float maxDim max(uvSize.x, uvSize.y); float mipLevel ceil(log2(max(maxDim, 1.0))); // 采样 Hi-Z 金字塔的 4 个脚点深度 float4 depthSamples; depthSamples.x _HiZDepthTexture.SampleLevel(sampler_HiZDepthTexture, minUV, mipLevel).r; depthSamples.y _HiZDepthTexture.SampleLevel(sampler_HiZDepthTexture, maxUV, mipLevel).r; depthSamples.z _HiZDepthTexture.SampleLevel(sampler_HiZDepthTexture, float2(minUV.x, maxUV.y), mipLevel).r; depthSamples.w _HiZDepthTexture.SampleLevel(sampler_HiZDepthTexture, float2(maxUV.x, minUV.y), mipLevel).r; // 在 Reverse-Z 下如果 Hi-Z 记录的最小深度大于等于物体的最近深度说明被完全挡住 float maxOccluderDepth min(min(depthSamples.x, depthSamples.y), min(depthSamples.z, depthSamples.w)); if (nearestDepth maxOccluderDepth) { // 可见压入间接绘制索引缓冲 _VisibleInstanceArgsBuffer.Append(instanceIndex); } }移动端TBDR工程落地的关键避坑上一帧深度缓冲的滞后性Temporal Reprojection直接使用上一帧生成的 Hi-Z 进行当前帧裁剪时快速转动视角会导致视野边缘物体出现 1 帧的“闪烁空洞”。必须使用上一帧的 ViewProjection 矩阵逆变换重新投影 AABB或者对画面边缘区域的包围盒适当外扩Padding。TBDR 深度解析开销Depth Resolve在移动端 Mali / Adreno 架构上将 On-Chip Tile Memory 中的 Depth Buffer 拷贝到系统内存Resolve会消耗显存带宽。建议将 Hi-Z 金字塔的生成放在不透明物体渲染之后的低分辨率拷贝 Pass 中限制金字塔尺寸为 512x256既能保证剔除精度又极大节省下采样带宽。两阶段剔除Two-Phase Culling对于动态移动的物体第一阶段使用上一帧 Hi-Z 进行保守裁剪并绘制已知可见物体第二阶段在完成主要遮挡物绘制后对第一阶段被剔除的疑似可见物体进行二次测试彻底杜绝闪烁。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉