基于几何的实时绘制反走样
发布时间:2024-12-11 03:39
走样是由于对连续信息进行离散采样、存储或表示等所导致的一种信号失真现象,反走样是计算机图形学研究的基本问题之一。图形反走样可以有效地重建出几何、纹理、运动等各种细节,从而提高绘制图形和生成动画的质量,帮助用户获得更好的视觉体验。因此,反走样一直是计算机图形学研究中的重要课题,在三维计算机游戏、计算机动画、虚拟现实、影视后期制作等领域具有广泛和重要的应用。随着各种图形应用对绘制效果和绘制性能要求的不断提高,延迟着色技术正成为实时绘制中的主流方法。而传统的屏幕反走样技术与延迟着色技术不兼容,因此面向延迟着色的后期处理反走样算法成为当前图形反走样的研究热点。该类算法利用场景的光栅化几何或着色信息进行反走样,避免了传统反走样方法需要依赖于原始几何信息的不足。如何高效存储和利用几何缓存信息,实现接近超采样的反走样效果,是该类算法中一个重要挑战。阴影可以反映场景中物体的几何属性和相对位置,是真实感图形绘制中的重要组成之一。在实时绘制中,阴影图算法因其简单、高效而被广泛使用。但是,由于阴影图只是记录了离散的场景深度信息,在实际应用中存在着严重的走样现象。如何高效、高质量地生成反走样阴影,一直是阴影图算...
【文章页数】:121 页
【学位级别】:博士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 走样现象的来源和分析
1.2 实时绘制中的走样
1.3 屏幕反走样算法
1.3.1 传统的基于超采样的反走样算法
1.3.2 延迟着色技术带给反走样算法的挑战
1.3.3 后期处理的反走样算法
1.4 阴影图算法中的反走样
1.4.1 阴影图算法的基本原理
1.4.2 反走样的阴影图算法
1.5 本文工作和章节安排
第2章 基于三角形几何重建的子像素反走样
2.1 算法概述
2.2 G-buffer的生成
2.3 反走样滤波
2.4 算法结果和对比
2.4.1 和SRAA的对比
2.4.2 和SMAA,MLAA的对比
2.4.3 算法的局限性
2.5 本章工作小结
第3章 面向延迟着色的统一反走样算法
3.1 算法概述
3.2 G-buffer的存储
3.3 几何边界像素和非几何边界像素的分类
3.4 基于三角形的几何边界像素的反走样重构
3.5 基于图像分析的非几何边界像素反走样重构
3.6 重投影时间域反走样
3.7 实验结果分析
3.8 本章工作小结
第4章 三角形重建的几何阴影图算法
4.1 算法概述
4.2 几何缓存的生成
4.3 保守光栅化
4.4 几何阴影图的压缩
4.5 阴影计算
4.5.1 三角形一致性检测
4.5.2 基于打包的阴影计算
4.6 实验结果分析
4.6.1 走样与深度偏移
4.6.2 与FVSM、alias-free等算法的对比
4.6.3 与SPSM算法的对比
4.6.4 SCR指标和用户调查
4.6.5 算法的局限性
4.7 本章工作小结
第5章 去像素化轮廓线重建的线性阴影图算法
5.1 线性阴影图
5.1.1 理论基础
5.1.2 线性阴影图计算阴影
5.2 去像素化轮廓线重建
5.2.1 像素分类
5.2.2 去像素化的轮廓线重建
5.3 算法流程与实现
5.4 与其它阴影图算法结合使用
5.5 实验结果分析
5.5.1 算法结果对比
5.5.2 和不同阴影图算法结合
5.6 本章工作小结
第6章 总结与未来工作展望
6.1 全文总结
6.2 未来工作展望
参考文献
攻读博士学位期间主要的研究成果
致谢
本文编号:4016126
【文章页数】:121 页
【学位级别】:博士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 走样现象的来源和分析
1.2 实时绘制中的走样
1.3 屏幕反走样算法
1.3.1 传统的基于超采样的反走样算法
1.3.2 延迟着色技术带给反走样算法的挑战
1.3.3 后期处理的反走样算法
1.4 阴影图算法中的反走样
1.4.1 阴影图算法的基本原理
1.4.2 反走样的阴影图算法
1.5 本文工作和章节安排
第2章 基于三角形几何重建的子像素反走样
2.1 算法概述
2.2 G-buffer的生成
2.3 反走样滤波
2.4 算法结果和对比
2.4.1 和SRAA的对比
2.4.2 和SMAA,MLAA的对比
2.4.3 算法的局限性
2.5 本章工作小结
第3章 面向延迟着色的统一反走样算法
3.1 算法概述
3.2 G-buffer的存储
3.3 几何边界像素和非几何边界像素的分类
3.4 基于三角形的几何边界像素的反走样重构
3.5 基于图像分析的非几何边界像素反走样重构
3.6 重投影时间域反走样
3.7 实验结果分析
3.8 本章工作小结
第4章 三角形重建的几何阴影图算法
4.1 算法概述
4.2 几何缓存的生成
4.3 保守光栅化
4.4 几何阴影图的压缩
4.5 阴影计算
4.5.1 三角形一致性检测
4.5.2 基于打包的阴影计算
4.6 实验结果分析
4.6.1 走样与深度偏移
4.6.2 与FVSM、alias-free等算法的对比
4.6.3 与SPSM算法的对比
4.6.4 SCR指标和用户调查
4.6.5 算法的局限性
4.7 本章工作小结
第5章 去像素化轮廓线重建的线性阴影图算法
5.1 线性阴影图
5.1.1 理论基础
5.1.2 线性阴影图计算阴影
5.2 去像素化轮廓线重建
5.2.1 像素分类
5.2.2 去像素化的轮廓线重建
5.3 算法流程与实现
5.4 与其它阴影图算法结合使用
5.5 实验结果分析
5.5.1 算法结果对比
5.5.2 和不同阴影图算法结合
5.6 本章工作小结
第6章 总结与未来工作展望
6.1 全文总结
6.2 未来工作展望
参考文献
攻读博士学位期间主要的研究成果
致谢
本文编号:4016126
本文链接:https://www.wllwen.com/shoufeilunwen/xxkjbs/4016126.html
上一篇:基于数据的间歇过程综合迭代学习控制方法研究
下一篇:没有了
下一篇:没有了