WebGPU+光線追蹤Ray Tracing 開發三個月總結

大家好~這三個月以來，我一直在學習和實現「基於WebGPU的混合光線追蹤實時渲染」的技術，使用了Ray Tracing管線（如.rgen、.rmiss等著色器）。
現在與大家分享和介紹我目前的學習成果，希望對大家有所幫助！謝謝！

通過國外的開源項目，可在WebGPU中使用Ray Tracing管線

這三個月我對Ray Tracing的研究有了質的突破，主要歸功於我發現的WebGPU Node開源項目！
該作者首先在dawn-ray-tracing開源項目中對「dawn項目：Chrome對WebGPU的實現”進行了擴展，加入了光線追蹤的API；
然後在WebGPU Node開源項目中，底層封裝了Vulkan SDK，上層使用了dawn-ray-tracing項目，提供了WebGPU API，實現了在Nodejs環境中使用WebGPU API和Ray Tracing管線來實現硬體加速的光線追蹤（電腦需要使用nvdia的RTX顯示卡）！

相關介紹參見：
Real-Time Ray-Tracing in WebGPU

搭建運行環境

有兩種方法來搭建運行環境：
1、給Chrome瀏覽器打修補程式，使其與下載DXR驅動（DirectX Raytracing）關聯，從而在該瀏覽器中運行
詳見該作者最近寫的開源項目：chromium-ray-tracing
（我沒有測試過，不知道是否能使用）

2、編譯dawn-ray-tracing和WebGPU Node項目，從而在Nodejs環境中運行
我使用的是這個方法（不過我使用的WebGPU Node項目是今年3月份時的程式碼，最新的程式碼我還沒有測試過）。

我的作業系統是win7，顯示卡是RTX 2060s，vulkan sdk是1.1.126.0版本

編譯的步驟為（需要使用VPN翻牆）：

# 編譯dawn-ray-tracing項目

## Clone the repo as "dawn-ray-tracing"
git clone //github.com/maierfelix/dawn-ray-tracing

cd dawn-ray-tracing

## Bootstrap the gclient configuration
cp scripts/standalone.gclient .gclient

## Fetch external dependencies and toolchains with gclient
gclient sync


set DEPOT_TOOLS_WIN_TOOLCHAIN=0

npm install --global --production windows-build-tools

gn gen out/Shared --ide=vs --target_cpu="x64" --args="is_component_build=true is_debug=false is_clang=false"

ninja -C out/Shared


# 編譯webgpu node項目

npm install webgpu

在webgpu node的根目錄中創建名為「PATH_TO_DAWN」的文件，在其中指定dawn-ray-tracing項目的絕對路徑，如：
D:/Github/dawn-ray-tracing

在webgpu node的根目錄中執行：
npm run all --dawnversion=0.0.1
（
這裡要注意的是，需要先安裝Vulkan SDK和python；

可以通過「npm config set python C:\depot_tools\python.bat」來設置python路徑,或者指定python路徑：
npm run all --dawnversion=0.0.1 --python="C:\Users\Administrator\Downloads\depot_tools\bootstrap-3_8_0_chromium_8_bin\python\bin\python.exe"
）


# 在nodejs中運行ray tracing示例，驗證是否成功

進入webgpu node的根目錄

cd examples & cd ..
node --experimental-modules examples/ray-tracing/index.mjs

應用場景

考慮到WebGPU還沒有正式發布，並且可能在三年內瀏覽器都不會支援Ray Tracing管線，所以我把渲染放到雲端，這樣就可以在雲端自行搭建環境（如使用WebGPU Node開源項目），然後通過網路傳輸將渲染結果傳輸到客戶端，從而在客戶端瀏覽器不支援的情況下仍能顯示光線追蹤渲染的畫面。

因此，我的應用場景為：
1、雲渲染
2、雲遊戲

這兩個應用場景有不同的需求：
「雲渲染」屬於離線渲染，我們關心的是：

  • 畫質要好
  • 渲染時間可以長點

因此：

  • 每幀可取樣多次，即n spp(n >= 30)
  • 支援多種渲染效果，如「焦射」(causicts)等
  • 全局光照可使用n次bounce（n >= 2）

「雲遊戲」屬於實時渲染，我們關心的是：

  • 畫質可以差點
  • 渲染時間要短（每幀30ms以內）

因此：

  • 每幀只取樣一次，即1 spp
  • 全局光照只使用一次或兩次bounce
  • 對「焦射」(causicts)等場景用性能好的方案達到接近的渲染效果，通過犧牲畫質來減少渲染時間

介紹我目前的實現方案

主要技術框架是「實時混合光線追蹤」，主要包含下面的pass：
1、gbuffer pass
創建gbuffer
2、ray tracing pass
直接從gbuffer中獲取world position、diffuse等數據，用來計算直接光照，從而減少了每個像素髮射的光線數量；
每個像素髮射1個shadow ray，用來計算直接光照的陰影；
如果只用1個bounce來計算全局光照的話，每個像素髮射1個indirect ray+1個shadow ray，用來計算間接光照。
3、denoise pass
基於BMFR演算法來實現降噪，具體可參考本文後面的「實現降噪Denoise」部分。
4、taa pass
使用taa來抗鋸齒

相關程式碼可見我的開源項目：
WebGPU-RTX

介紹我學習的整個流程，分享相關資料

了解光線追蹤的相關領域

我通過下面的文章進行了初步的了解：
一篇光線追蹤的入門
光線追蹤與實時渲染的未來
實時光線追蹤技術：業界發展近況與未來挑戰
Introduction to NVIDIA RTX and DirectX Ray Tracing
如何評價微軟的 DXR（DirectX Raytracing）？

實現第一個光線追蹤的Demo

通過學習下面的資料：
Ray Tracing in One Weekend
Ray Tracing: The Next Week
Ray Tracing in One Weekend和Ray Tracing: The Next Week的詳解
基於OpenGL的GPU光線追蹤

我參考資料中的程式碼，用WebGL 2實現一個Demo：

該場景的紅圈中是一個球，附近有一個球形光源和一個矩形光源

因為沒有進行降噪，所以噪點太多了哈哈！

相關程式碼可見我的開源項目：
Wonder-RayTrace

學習和實現Ray Tracing管線

通過學習NVIDIA Vulkan Ray Tracing Tutorial教程，我用 js語言+WebGPU Node開源項目 基於Ray Tracing管線依次實現了陰影、反射等基礎渲染效果。

該教程使用了VK_KHR_ray_tracing擴展，而WebGPU Node開源項目也使用了該擴展（Vulkan SDK），因此該教程的shader程式碼幾乎可以直接用到該開源項目中。

教程程式碼

用Reason重寫

我用Reason語言重寫了示例程式碼，提煉了一個基礎架構。

學習GBuffer+Ray Tracing混合管線

因為我希望優先減少渲染時間，所以我要通過混合管線來進行實時渲染。

我通過A Gentle Introduction To DirectX Raytracing教程來學習和實現。

教程程式碼下載

我學習了該教程的第一篇到第11篇，分別實現了創建GBuffer、使用Lambertian材質渲染、多光源的陰影等內容。

實現降噪Denoise

教程的第9篇通過每個像素對每個光源發射一個shadow ray，最後累加並計算平均值，實現了多光源的陰影。

教程的第11篇對第9篇進行了改進：為了減少每個像素髮射的shadow ray的數量，每個像素只隨機向一個光源發射一個shadow ray。
這樣會導致噪點，如下圖所示：

我們可以通過累計取樣數來不斷逼近無噪點的圖片（如該教程的第6篇一樣），但這樣需要經過長時間後才會收斂，所以只適合「雲渲染」這種離線渲染的應用場景。

累加一定幀數後，結果如下圖所示：

實現taa

降噪演算法通常需要先實現「幀間的數據復用」，而TAA抗鋸齒也需要實現「幀間數據復用」的技術；而且降噪演算法會使用TAA作為最後一個pass來抗鋸齒。所以我決定先實現taa，將其作為實現降噪演算法的鋪墊。

我參考了下面的資料來實現taa：
DX12渲染管線(2) – 時間性抗鋸齒(TAA)、 相關程式碼
Unity Temporal AA的改進與提高、 相關程式碼
unit Temporal Anti-Aliasing

實現BMFR降噪演算法

為了能應用於「雲遊戲」這種實時渲染的應用場景，我們需要快速降噪。因此我實現了BMFR演算法來降噪。

降噪前場景：

降噪後場景：

我參考了下面的資料：
BLOCKWISE MULTI-ORDER FEATURE REGRESSION FOR REAL-TIME PATH TRACING RECONSTRUCTION
參考程式碼

學習蒙特卡羅積分（monte carlo）的理論

教程的第11篇隨機向一個光源發射一個shadow ray，這其實已經使用了蒙特卡羅積分的理論。

我們可以通過下面的資料深入學習該理論，了解概率密度函數（pdf）、重要性取樣等相關概念，為我們後面實現全局光照打下理論基礎：
【RAY TRACING THE REST OF YOUR LIFE 超詳解】 光線追蹤 3-1 蒙特卡羅 (一) 到 【RAY TRACING THE REST OF YOUR LIFE 超詳解】 光線追蹤 3-7 混合概率密
光線追蹤器Ray Tracer：進階篇

實現全局光照

通過學習教程的第12篇，我實現了one bounce的全局光照。

更多參考資料：
Global Illumination and Path Tracing
Global Illumination and Monte Carlo

這裡我遇到的問題主要是處理indirect specular noise：噪點不穩定，導致降噪後不穩定（高光周圍有明顯波動）。
我首先以為是pdf寫錯了，結果修改了pdf後還是沒有改進；
然後希望通過clamp等方法移除這些高光的fireflies噪點，結果影響到了畫質；
最後採用了「取樣indirect specular/diffuse多次」來穩定噪點。這適用於「雲渲染」的離線渲染，但不適用於「雲遊戲」的實時渲染。

基於GGX模型，實現disney BRDF

通過學習教程的第14篇，我引入了pbr材質，實現了GGX模型，加入了多bounce的全局光照。

我對教程程式碼進行了改進：
在.rgen著色器中使用for循環而不是遞歸來實現的多bounce；
實現了disney BRDF，在pbr材質中有diffuse、roughness、metallic、specular這幾個參數。

更多參考資料：
基於物理著色（二）- Microfacet材質和多層材質
基於物理著色（三）- Disney和UE4的實現
基於物理的渲染（PBR）白皮書 | 迪士尼原則的BRDF與BSDF相關總結
WebGPU-Path-Tracer 實現了disney BRDF

目前的渲染效果

我目前的實現需要改進的地方

在Ray Tracing pass中支援紋理

使用bindless texture或者virtual texture來實現

擴展disney BRDF，實現BSDF，支援透明、折射效果

增加後處理

如gamma矯正等

在雲端環境下多執行緒渲染

雲端天然具有並行的優勢，因此可將渲染任務分配到多個顯示卡/伺服器中執行。

改進降噪效果

BMFR對高光specular處理得不好。
為了應用在「雲渲染」中，需要提高畫質。因此可考慮：

  • 改進BMFR對specular的處理
    BMFR論文中已有相關的討論
  • 使用專門對多個spp取樣進行降噪的降噪器來替代BMFR
    因為BMFR主要是針對1 spp取樣，所以需要使用針對蒙托卡羅積分路徑追蹤的降噪器來替代

改進indirect specular/diffuse noise

現在我通過增加spp來增加噪點的穩定性，這在「雲遊戲」中行不通，因為只能有1 spp。因此可考慮：

Tags:

VirMach 便宜 VPS

QNews

QNews