Games202(11`作业4)
作业4
前言
微表面模型的BRDF(Microfacet BRDF)存在一个根本问题，就是只考虑了首次弹射出射的能量，忽略了首次未出射的能量，而这部分能量会参与到微平面间的多次弹射中，一部分会弹射到人眼，这就导致了材质的能量丢失，并且当材质的粗糙度越高时，能量的丢失会越严重
Kulla-Conty BRDF模型，引入一个微表面BRDF补偿项fms，来补偿光线的多次弹射，使得材质的渲染结果可以近似保持能量守恒
框架分为两个工程：
- 在离线端(lut-gen文件夹中)包含4个文件，lut-Emu-MC、lut-Emu-IS、lut-Eavg-MC、lut-Eavg-IS，在这里预计算E(μ)和Eavg，它们是计算fms时需要的前置变量，后缀MC的文件为基础实现，后缀为IS文件的是提高部分实现
- 在实时端(homework4文件夹中)通过查询预计算数据构建BRDF的补偿项
初始场景：
预计算 E(μ)
首先计算一次弹射出射的未丢失总能量，在Emu_MC.cpp的IntegrateBRDF函数写
- 框架提供了squareToCosineHemisphere（）函数，随机采样1024个方向
- 根据eu的公式，每次需要计算BRDF项 * cos项 / pdf项，FGD/4.0 * NdotV * NdotL/pdf * NdotL（cos项）
- 其中abc3个变量是等量的，只是为了可读性
测试结果：
- 生成工程：执行test.sh命令脚本
- 强制删除build 的目录及其内部的所有文件和子目录
- 创建build目录
- 进入build目录
- 构建sln工程
- 编译
- 运行可执行文件（.exe）
- 返回项目根目录
- 编译：在编译这一步没有正确执行，我们用vs去build它，生成了exe文件
- 运行：通过手动运行文件生成了图片于/build/debug/…….png
预计算 Eavg
在Eavg_MC.cpp的IntegrateEmu函数写
- 根据公式不需要累加采样方向的结果 ，直接计算1次就行：2 * E(μ) * cos项
再次编译后得到这样的结果，它仅受到粗糙度的影响，粗糙度越低，平均出射能量越多
通过重要性采样来预计算E(μ)和Eavg
在预计算 E(μ)这个部分，我们生成的结果以粗糙度和角度作为两个维度,可以看到左边a较低时有很多噪声
这是因为低粗糙度的微表面材质接近镜面反射材质，即微表面半程h 集中分布在 宏观几何法线n 附近，而我们由 无偏采样的微表面半程h 分布并不会集中在 几何法线n 附近
也就是说这与实际低粗糙度的微表面法线分布相差很大，因此积分值的方差就会很大，可以通过重要性采样来改善这一问题
GGX 重要性采样：
有别于无偏的蒙特卡洛在 Ω 采样 wi入射方向，我们会根据粗糙度以及D项（法线分布函数）的GGX模型，沿反射方向有偏采样微表面半程h，从而根据视线v和半程h以及反射定律获得 有偏采样入射wi的方向
在Emu_IS的GeometrySchlickGGX中：
- 对于test.sh取消文件注释
- 对于GeometrySchlickGGX（GGX），Hammersley（低差异序列），ImportanceSampleGGX（重要性采样），IntegrateBRDF（预计算BRDF），直接用LearnOpenGL中的代码就可以
- 详见：Games202(2·第4章，第5章)
- 在Eavg_IS.cpp补充一样的ImportanceSampleGGX实现，以及与Eavg_MC.cpp一样的IntegrateEmu实现
再次编译2个结果，可以看到噪声明显减少，结果和之前是颠倒的
实时端计算补充BRDF
- 在离线端生成的GGX_E_LUT.png和GGX_Eavg_LUT.png拷贝到实时渲染端下的assets/ball目录下
- 取消engine.js中loadGLTF的注释，以便完整的加载所有模型
- 在PBRFragment.glsl（未应用能量补偿），KullaContyFragment.glsl（应用能量补偿）补充BRDF的实现，以便计算Fmicro (正常的BRDF项)
- KullaContyFragment.glsl中MultiScatterBRDF里求出fms和fadd
- 作业提供了前置变量，简单带入公式就能算出fms和fadd
- return中要F_add * F_ms,获得总能量补偿BRDF项
- 作业框架为我们计算了最后的结果
- BRDF = micro (正常的BRDF项) + Fms (能量补偿BRDF项)
- L * BRDF * cos项
上面一排是Kulla-Conty模型，下面是BRDF模型，可以看到上面整体更亮，且a越高（向左）对比越明显
本文由作者按照 CC BY 4.0 进行授权