加载

Q1：在手机上测试LoadLevelAsync和LoadLevel的加载速度，同一个场景，LoadLevelAsync要比LoadLevel多花费40%左右的时间，请问这是正常的么？LoadLevel会有卡顿，导致Loading进度条不平滑，但是LoadLevelAsync好像又会增加Loading的时间？
我项目中场景动态加载的做法是，是把物件做成Prefab，然后根据主角的位置做动态加载相应的Prefab，用的是Resources.LoadAsync方法。现在加载一些比较大的物件时，在红米2等低端机上，仍然比较卡，要消耗200ms以上。请问有什么好的方式，能平滑这个加载过程么，谢谢！

LoadLevelAsync一般情况下是要比LoadLevel慢的，但是否要慢40%，这个其实是根据每个场景所要加载的不同量而定的，并不是确数。 LoadLevel和LoadLevelAsync其实最本质的区别，是前者一定要在下一帧结束前完成加载操作，所以当加载场景较大时，其随后的单帧开销就会很大，而后者则没有这个限制，引擎可以根据当前的使用情况或者ThreadPriority（这个值是是否对LoadLevelAsync有影响，还没做过具体实验，但对于LoadAsync确实有影响 ）来自行调控。 但还需要说明一点的是，不是说使用Async，它就一定是绝对平滑，下图红框是LoadLevel，绿框是LoadLevelAsync操作。

关于真正“平滑”异步的加载方式，Unity引擎目前还是没有的。在遇到较为复杂的Prefab（比如大纹理、多AnimationClip等等）时，其加载依然会出现卡顿。如果想要缓解该问题，建议如下：
（1）先定位具体是哪个Prefab加载造成的CPU耗时较高；
（2）查看该Prefab中是否含有大量加载耗时开销（比如大纹理、较多AnimationClip、较多Shader等等）；
（3）定位后尝试将其进行前期预加载，从而缓解该Prefab加载时的局部高开销。

该问题来自UWA问答社区，如您对该问题仍有疑问，可以转至社区进行进一步交流。
https://answer.uwa4d.com/question/5a06cc3cc4ccc1804bea31ac

内存

Q2：我使用了IL2CPP后是否还存在Mono内存呢？使用IL2CPP后，通过Profiler工具获取的managedObject（例如： int32[]）是哪种内存？

可以简单地认为，Il2CPP只是替换掉了Mono的虚拟机实现，所以该分配堆内存的地方还是会一样的分配（可能会有某些细节的地方不一样）。

IL2CPP在堆内存分配方面和Mono 最大的不同主要是Reserved Total 是可以下降的，而 Mono的 Reserved Total 只会上升不会下降。

该问题来自UWA问答社区，如您对该问题仍有疑问，可以转至社区进行进一步交流。
https://answer.uwa4d.com/question/5a0271297acd3ac1606d5d32

渲染

Q3：场景自动烘焙的导航网格信息保存在 NavMesh.asset 中，打开可以可以看到数据如下：

项目需要在服务器上进行寻路，希望有大牛帮忙解析这个数据，还原成 recast 用的导航网格。Unity版本是 5.5.1，Unity 4.2版本的解析代码是有的，新版本格式变了。

首先用 NavMesh.CalculateTriangulation 获取所有的顶点和索引数据，这个是完整的、构建过的NavMesh，包括了多边形信息（最大边数为6边型的凸多边形），但是这个数据中所有的多边形是不共边的（多边形的边是重复数据），所以需要首先合并重复的边，可以利用 RacastNavigation提供的代码，基于 rcBuildPolyMesh 增加一个修改版本（比如叫：rcBuildPolyMeshBySeparatePolyTriangle），目的是合并已有的多边形的重复边，这一步结束后，就可以借用 RacastNavigation 剩余的构建流程：

1）创建 NavMesh并使用以上的 PolyMesh 初始化 (dtCreateNavMeshData, dtNavMesh::Init);
2）根据已有的 NavMesh 更新包围盒；
3）根据现有的 NavMesh 将每一个 Tile 写入文件（这之前可以写入自定义的文件头信息，方便读取）;
4）服务器读取存储的数据，并用来初始化生成 NavMesh，就可以 findpath 了。（也可以将这个数据导入 RacastNavigation 的 Demo 中查看可视化情况）。

以上 1-4 是RacastNavigation示例中构建流程的一部分，重点是 rcBuildPolyMeshBySeparatePolyTriangle 这一步合并多边形即可。这么做的好处是，导出的 NavMesh，跟 Unity 里构建的，多边形信息是一模一样的。想要支持 DetailMesh，估计还不行。

另外，服务器直接用可能还有点问题，如果 Unity 导出的数据很多细长的三角形，那么RacastNavigation的结果会和 Unity出现很大的差异，需要稍微修改下RacastNavigation的代码 。

我之前记录了个不太详细的描述，仅供参考：http://www.cnblogs.com/yaukey/p/recastnavigation_unity_optimize_visible_result.html

该问题来自UWA问答社区，感谢 Yaukey提供了回答，如您对该问题仍有疑问，可以转至社区进行进一步交流。
https://answer.uwa4d.com/question/59f93d2aa740da296dd03662

渲染

Q4：目前我在用的Unity版本是2017.1.0f3 for MAC，在iOS平台下Bake Environment Reflections的时候丢失HDR信息，操作步骤如下：

1、当我使用Standalone Platform时，我使用了一张带有HDR的SkyBox CubeMap贴图（默认压缩方式BC6H），通过它生成的ReflectionProbe-0.exr会给物体带来明显的一个高光效果，如图所示：

2、当切换到iOS Platform后，再次用同样的SkyBox CubeMap贴图（压缩方式为PVRTC，或不压缩RGB24 bit都试过）烘焙ReflectionProbe-0.exr时，发现这个效果消失了，如图所示：

3、此时，如果我把之前的那张Standalone下面生成ReflectionProbe-0.exr替换过来，可以获得跟Standalone下一样的高光效果。把该工程发布到iPhone 7P上运行，效果与“步骤一”中一致。 说明ReflectionProbe-0中的HDR信息得到了保留。但是我注意到，在iOS Platform下面，ReflectionProbe-0的默认压缩方式是PVRTC或RGB 24 bit，这两种方式都无法保留HDR信息。如图所示：

4、通过对比两张ReflectionProbe-0.exr贴图，发现他们的文件大小是不同的，Standalone下面的贴图要大一些。如图所示，请问这是Unity的Bug吗？

我在此上传了示例工程：exr_EnvRef_iOS.zip，默认是PC Standalone，需要手动切换一下Platform，切换后重新Generate Lighting。

用题主的工程文件尝试了一下，的确是出现同样问题，并且在Android平台也是一样。目前看来只能判断是Reflection-Probe烘焙时使用了两套不同的操作。
再提供一个线索，用renderdoc->texture viewer可以查看像素值：

Standalone（PC）

Android
从上图可以看到相似区域Standalone比Android的烘焙结果数值要高出许多。
该回复由UWA提供。

我在Unity 5.6下发现效果是一样的，结论和题主一样：Mobile平台下Bake出来的Probe是LDR的。他是通过放大亮度来做的，但其实有更简单的办法：看高mip就行，首先是PC模式下Bake的。

然后是Android下Bake的：

出现亮度区别的原因是PC上有亮度>1的像素(一般是太阳之类的) 然后在卷积的时候就值大一些；而Android下就相对值低 在mip=0的情况下大家都是0-1看不出(显示时候截断了) ，目前的结论就是在移动平台Bake的Probe依然是LDR的，这是有问题的…临时解决方案就是在Standalone上Bake完复制过来。
感谢钱康来提供了以上解答。

题主补充：有了新的发现，基本上可以确认是Bug了。两张reflectionProbe-0.exr贴图的确不一样！除了尺寸之外，切换到iOS平台后生成的exr丢失了高光部分的HDR信息。

这两张图片初看没什么不一样的：

调整exposure，令exposure变为-5 （我用的是openexr，也可以用ps直接调整曝光度）：

可以看到上图有两个非常明显的光斑，这个光斑的亮度非常高，因此会在物体上产生非常强的亮度。然而，在iOS Platform下面进行烘焙的时候，Unity把这个信息给丢失了。但不是所有的exr都会出现这样的问题。只有那些具有局部强光源的HDR图片才会出现这种情况，例如楼主用的那张，还有这张图片：
http://gl.ict.usc.edu/Data/HighResProbes/probes/grace-new.exr

原文出处：侑虎科技
本文作者：admin
转载请与作者联系，同时请务必标明文章原始出处和原文链接及本声明。