块存储的32层地形混合方案

最初题目

unity地形碰到超多层(这里按32层会商)需求时有很是严重的采样性能题目,其中响应的处理计划很是多,由于比来又想出一种比之前更好的所以再次重新会商下这个题目.其中参考的3种之条件过若何实现和优弱点最初有链接. 以下都是指不利用rvt情况下对照,我们开辟完rvt后,采样性能的影响就削减很多了.但碰到显存不敷裕不成落地rvt的项目.这个优化还是很成心义.

按unity引擎的地形采样方式,会用结果最守旧的方式采样,采样8张权重图(每张控制4个材质id),再采样32张albedo和32张normal,一共需要可骇的72次采样.假如斟酌去tiling再次翻倍 必定是现实不成用的计划.虽然shader内做了一点判定 假如 持续4张id 权重都为0那末 跳过一个pass采样,但地形大部分地区很难做到持续4个id都不用,使得这个优化根基生效.

间接思绪

面临这个题目最间接思绪是每个地形控制贴图(这里叫splat图,point采样)的每个纹素只存32层中 权重最大的4个ID(一般存2-4个).再对这4个ID的权重存入一张weight图(双线性插值采样). 这也是手游上最简单的处置方式.可是这类题目会出现大量接缝 需要靠摆放物件 石甲等阻挡.

这里用 存3个id为例 诠释为什么道理上就不成避免接缝(马赛克结果)

这里有2个纹素,别离记录3个当前位置最重要id与权重.为了计较简单 双方权重都设备成一样,红绿2个点为中心相邻 位置 ,那末按照权重图插值 由于左右都是0.6 那末中心插值出权重也是0.6,但由于记录的id与顺序分歧,所以红点获得0.6A 0.3B 绿点获得0.6B 0.3A,但屏幕空间上这2个像素又挨着 又存在庞大分歧,所以一定出现马赛克.

针对这个题目,会发生出3种应对思绪.

T1 确保相邻纹素排序分歧

只要id不异 那末权重图就寄义不异,就支持双线性插值,理论上这是最高性能处理计划,但现实上没法做到这点,由于每个点排序依靠四周点.而四周点又有他四周的限制条件.总会出现过各偏向的条件分歧渡不了的情况.

T2 不用双线性插值 手动采样相邻4个纹素ID(采样量x4)做手动插值,不记录每个ID权重,完全按照位置过渡(farcry5 计划,但他还按照高度图过渡)

按照红点 绿点位置 处于0.5处,所以 双方位置附近 计较成果也附近.由于权重完全按照位置来算.splat只存ID.这类是显存 采样数目 接缝 性能都最好的计划.我们项目用了2年多. 为什么纷歧直用下去,是由于新的需求有沙漠图(farcry5每沙漠图),这类每个纹素只要一种材质,材质过渡范围是一个纹素对应的天下空间 比如2米内.这样对需要大范围半通明夹杂出的沙漠就不能满足.他需要每个纹素最少 2个分歧权重ID叠加.

T3 类似T2但每个纹素记录3个ID和对应的权重

这里演示 这类算法成果很是切确,由于不是靠硬件插值 而是 采样左右一切6个ID 按照位置别离计较权重与位置关系. 这里只演示uv的u偏向 现实是 是4个相邻像素.这样需要12次采样,每个像素采样3个 ,性能又不太好了.

块存储计划

这是此次想出的新计划.既然自力存储会致使要末左右计较纷歧致,要末需要左右都零丁采样 采样量太大.那末斟酌块整体存储.就是相邻4个纹素一路 存一份4个纹素都用到最大权重的4个ID,同时存入每个ID 4个纹素的权重数据.

由因而一路存储的,这样计较成果就能始终可过渡,弱点就是 在分歧的块(2x2纹素) 需要反复存储每个纹素对应块ID的权重,也是由于这一点点显存开销,避免了 在分歧块内由于收集的ID分歧而权重歧义.

由于现实不是表示图的2纹素,而是4纹素.所以采样次数是4次 对照 12次.性能提升很多 结果也很不错,这是由于相邻4个纹素总是有大量反复ID.

别的由于unity每4个图层用一个pass 所以 批次与三角形衬着数目都很多,这里显现是2倍.由于有大量反复的图,实在项目刷的更丰富后,这个差异会更大.

性能对照

该计划相比当前项目线上版本(类似T3) 利用更实在地形在1050显卡的机械上,gpu提升0.78ms ,实在运转游戏大要从125FPS提升到138FPS. 固然 最快的 必定还是 farcry5计划,作为技术我小我最喜好这个计划,一切的材质都不应当半通明过渡出来,既然供给了32层,就应当预夹杂好所需从材质.这样整体也更清楚.

最初在实在游戏中落地 1050机械上跳伞与远眺时 提升了庞大的7ms

这是由于 游戏中开启了 类似ue4的 去tiling采样 也就是 翻倍采样normal与albedo ,所以差异进一步拉大.同时 由于游戏自己的复杂致使gpu本就是最大瓶颈,优化gpu的收益就更明显.

显存优化

上面做的都是提升采样性能,但在超大地形中,显存的开销也是需要大幅度优化的.按我们项目4x4千米,每平方千米一个地块来算.今朝默许的资本 需要1splatID图+4权重图.有20M,16个地块就是320M,这明显是不成适用的.除了做streaming处置,自己也需要紧缩到一个更公道数据.

首要优化手段是格式与尺寸.格式上假如能控制16张图,那末4位可以表达一个ID,4个ID用 r4g4b4a4格式.unity代码里叫 TextureFormat.RGBA4444,但面板里叫 RGBA16.权重也是如此16色半通明过渡够用了,不需要256 所以也是用这个格式.而关于尺寸可以对地形默许权重图取mipmap2来用. 这样单个地块就是128kx5=0.64M,16地块就是10M,这样就从320M 下降到10M,这个开销pc与手机都能接管了,只要本来3.125%.

在这样庞大的紧缩下,稍微的过渡精度丧失是可以接管的.看下结果对照.别的小幅度的优化还有很多不逐一描写了.比如之前把权重总合控制为1,然后少一张权重图(用1- 3个权重获得第四个权重),又比如把4张单通道4位的图.手动合并成一张RGBAHalf的图 这样4次权重图采样只要一次采样就能完成.而且是point采样 多个数据操纵凹凸位紧缩到同一个通道并不会采样时插值毛病.

该计划代码工程

代码不长,具体的算法细节间接上完整代码是最直观的