1984年的始祖文章:

http://www.soe.ucsc.edu/classes/cmps160/Fall05/papers/p207-crow.pdf

后来的一些:

http://www.shaderwrangler.com/publications/sat/SAT_EG2005.pdf (这个比较好)

http://ati.amd.com/developer/gdc/GDC2005_SATEnvironmentReflections.pdf

summed area table对应的技术最接近的是mipmap,mipmap每一阶的标准做法是上一阶对应的4个像素的平均(某些情况是2个)。

也就是说在mipmap的情况下我们要拿一些平均过的texel就被局限到这种正方形(某些情况是长方形)的kernal里,如果想有更多种类的取法,1*3,2*5这种,那么会直接导致性能变化剧烈。

summed area table则提供了可以在恒定时间(如果不考虑texture sample cache效率,认为texture sample都是一样时间的话)在一定范围内任意矩形的sample kernel。

实际应用中,真正比mipmap强力的地方大抵是这些,在summed area table variance shadow map里有个比较好的实例应用:

http://http.developer.nvidia.com/GPUGems3/gpugems3_ch08.html

尤其是里面percentage closer shadow map那个应用。

先上算法,给定一个texture,需要先构建这个summed area table:

里面每个element是它左边和上面所有texel的值的和。

图示:

filter summed area table,在使用SAT的时候,根据要sample的kernel,结果的定义:

filter这一步可以看到,只要取4个pixel就可以实现对任意矩形形状内部的texel的平均值计算,这也是SAT强力的地方。

代码:

float4tex2D_SAT_blur(samplertSAT, float2uv, float2size) { float4result = tex2D(tSAT, uv+ 0.5 * size); // LR result -= tex2D(tSAT, uv+ float2(0.5, -0.5) * size); // UR result -= tex2D(tSAT, uv+ float2(-0.5, 0.5) * size); // LL result += tex2D(tSAT, uv-0.5 * size); // UL result /= size.x* size.y; return result; }

具体应用的时候效率和精度是考虑重点,构建SAT过程中有用到一个recurcive doubling的方法来快速构建。

recursive doubling就是一种非常适合多线程并行计算的东西,单线程的pipeline指令也可以从中受益很多,图示:

这样log_2(n)次可以搞定。

实际应用中,每个pass可以sample更多的texel,而且可以再log_sample_num(n)pass构建好。

另一个是精度问题,因为存的东西可能值非常大,所以需要24bit或者32bit精度的texture来保存,这个有点寒。。。

另外偏移0.5在sample初始texture和构建SAT过程中也会增加一些精度。


所以总体下来,不太好说这个技术好用不好用。

虽然在adaptive kernel上有好的表现,但是更多的pass和精度要求又带来performance和空间上的消耗。

另外比如说要把shadow map升级到pcss这种,这个就要有额外的开销,这个只有要实现出来profile了才能做最后的决定。

但是的确是一个很有意思的技术。

SummedAreaTable相关推荐

  1. 图形算法 - 模糊函数比较,Blur Function Compare

    from: http://www.cppblog.com/foxriver/archive/2011/01/11/138316.html 加入比较的4种方法有: 1. 快速高斯模糊. 2. 二次Sum ...

  2. Summed-Area Variance Soft Shadow Mapping(SAVSM):二

    上文介绍的PCSS方法,其在平均遮挡物的计算和PCF需要大量的采样加权平均操作,如果半影如果半影区相当大,采样效率将相当低下.如果使用柏松圆盘进行固定步数采样,在较大的半影区情况下会出现明显的阴影分片 ...

最新文章

  1. Lua 性能相关笔记
  2. LA3902 Network (树上dfs)
  3. 认识软件框架的设计原则-- 变与不变分离,创造简美之序
  4. LiveVideoStackCon 2022 上海站 专题抢先看(2)
  5. python三级联动菜单_VUE+element三级联动或树形菜单获取最后一项,并加入到表格中...
  6. 在程序里面(服务器端)调用Winrar压缩文件的方法?另寻求一条语句转换的方法。vb.net到C#。...
  7. 数据科学入门与实战:玩转pandas之七数据透视
  8. 查看openssh版本_新版的Reveal如何查看越狱手机APP
  9. linux中sar命令的选项很多,Linux sar 命令详解
  10. 百度Hi 2.3 Beta1 增量升级至内部版本号 2.3.10.12
  11. .net反射调用值类型引用参数时的处理办法(转)
  12. HiJson(Json格式化工具)64位 V2.1.2绿色版
  13. android -------- ConstraintLayout 宽高比和偏移量比(三)
  14. 快递系统java实验报告_快递管理毕业论文-基于java的物流快递管理系统设计
  15. 该如何提高个人影响力
  16. word没自动保存?===如何通过asd文件恢复
  17. Win10怎么进Bios Win10系统进入BIOS界面的方法图文详解
  18. 利用Python写个新年贺卡生成器,提前祝大家小伙伴们新年快乐呀~
  19. 安装应用提示安装失败或不能安装,报INSTALL_FAILED_DUPLICATE_PERMISSION错误
  20. 常见的DNS记录类型有哪些?如何查询DNS解析记录?

热门文章

  1. 网站有排名后应该如何保持稳定效果
  2. 使用RTL-SDR收听FM广播
  3. wjp0765 - 潮汕牛肉丸可以蒸着吃吗 纯牛肉丸多少钱一斤
  4. 安装python时提示 0x80070659系统策略禁止这个安装,请与管理员联系
  5. Mac10.14.4 独立显卡 影驰GTX 760 4GB成功驱动
  6. 如何在通达信软件上随意画图_[原创]谁能修改下画图工具啊?
  7. 蓝桥杯单片机串口通信收发
  8. 贵州余庆中学2021高考成绩查询,余庆中学2019高考喜报成绩、一本二本上线人数情...
  9. 计算机毕业设计Node.js+Vue安卓仿网易云音乐客户端APP(程序+源码+LW+部署)
  10. 云计算学习课程——越来越重要的云安全