Cinevva

简体中文

English
한국어

简体中文

English
한국어

主题

现代引擎如何对付植被 overdraw ​

作者：Oleg Sidorkin，Cinevva 联合创始人兼 CTO

Dense forest canopy with overlapping leaf cards stacked behind each other in front of a setting sun, suggesting heavy overdraw

森林是你能丢给 GPU 渲染的最糟糕的东西之一。每一片叶子都是一个带 alpha 蒙版的纹理四边形。几十个这样的四边形沿着每条视线方向叠在一起。光栅化器没办法提前知道哪些片元能通过 alpha 测试，所以对不透明场景帮上大忙的标准 early-Z 优化在这里基本是关闭的。结果就是：一个屏幕像素在一帧结束前，可能要把完整的叶子 shader 跑上 10 到 15 次。这就是植被 overdraw，也是过去十年里任何一款开放世界游戏帧里最贵的一块。

好消息是这是一个已经被解决的问题。不是说有谁靠一个技巧把它修好了，而是说有一整摞七八种技术，叠在一起，能把茂密森林里的有效 overdraw 从 8-15 倍砍到 1-2 倍。每一款现代引擎都各自实现了这套技术栈的一个版本。下面讲清楚里面都有什么、每块为什么存在、以及每块对应的经典参考。

1. 为什么植被 overdraw 这么难受 ​

在典型的不透明场景里，GPU 会做 early depth rejection：在像素 shader 跑之前，硬件先查现有的深度缓冲，跳过已经被挡住的片元。这一步基本免费，也是密集几何成本能保持理智的根本原因。

alpha-tested 的植被把这一步打破了。片元 shader 必须真正跑起来，去读 alpha 纹理、对被蒙掉的像素调用 discard（或 clip）。硬件在 shader 跑完之前没法知道一个片元会不会被砍掉，所以在多数 GPU 上，只要 shader 里出现 discard，这个 draw call 的 early-Z 就完全失效。在基于瓦片的 GPU（移动端、M 系列、部分主机）上，它甚至可能让整帧的 Hi-Z 和深度压缩失效。每一个覆盖到一个像素的三角形都要跑一遍像素 shader，而其中大多数最后是以 discard 结尾。

把 10 片叶子的四边形叠在一个屏幕像素前面，叶子 shader 就要跑 10 遍。乘以 400 万像素，开销很残酷。Marco Salvi 那篇 To Early-Z, or Not To Early-Z 是从硬件层面解释这件事最温柔的一份介绍。如果你以前没认真想过这件事，从这里开始最合适。

Side view of a single screen pixel ray passing through twelve overlapping leaf cards, with each card highlighted to show stacked alpha-tested fragments

2. 给蒙版几何做深度 prepass ​

最大的单项收益，也是每个现代引擎都在做的事，就是把植被绘制切成两个 pass。第一个 pass 只写深度，用一个极简的 shader 做 alpha 测试、丢掉被蒙掉的像素、其他什么都不写。第二个 pass 渲染完整材质，深度测试设为"equal"，关闭深度写。这样每一个可见像素都只会跑一次完整的 BRDF，不管它后面叠了多少片叶子。

这听起来像是做了双倍的活，因为你把同一批三角形碰了两次，但 prepass 的 shader 太便宜了（一次纹理采样、一次 discard、一次深度写），主 pass 节省下来的成本远远盖过了这点额外开销。茂密森林里，主 pass 不再每像素跑 10-15 次叶子 shader，而是恰好跑一次。

Unreal、Frostbite、Decima，以及现代分支的 Rage 和 Dunia 都这么干。这也是为什么在这些引擎里，蒙版材质至今都比半透明材质便宜得多。

深入阅读：

3. 激进的 LOD 与八面体 impostor ​

第二大收益是：能不画就别画。植被资源一般附带若干 LOD 档。最近的是含每片叶子卡片的完整网格。中距离时，叶子被合并成更密的复合卡（30 片叶子的一簇变成一张带相同剪影的纹理卡片）。超过某个距离阈值，整棵树变成一个 impostor：一小片几何，纹理是这棵树从多个角度预渲染出来的视图。

现代的 impostor 形式是 八面体 impostor：一片 8 个面的几何，纹理是用八面体映射从球面采样点采集的视图图集。运行时，shader 根据相机方向挑选最近的两到三张预渲染视图，并在它们之间做混合。结果是一个只用几个三角形的替身，从任何角度看起来都像 3D，还能正常着色、用法线贴图，甚至有风的动画。Ryan Brucks 的实现最初是社区插件，后来进了 Unreal，是这件事的参考实现。Microsoft Flight Simulator 那片有几十亿棵树的森林，除了相机附近，其它地方基本都是八面体 impostor。

更大的结构性收益是 impostor 在远处是 不透明或接近不透明 的。30 片叶子的复合卡是一张蒙版四边形，而不是 30 张四边形。整棵树的 impostor 是几个面，不是几千个。远场的 overdraw 几乎归零。

深入阅读：

4. 集群剔除与 GPU 驱动的剔除 ​

就算有了深度 prepass，prepass 本身也是有成本的：它仍然要 碰 每一棵可见（或潜在可见）的树的每一个三角形。现代引擎用 GPU 驱动的集群剔除把这部分成本进一步压下来，在光栅化器看到三角形之前就把整组整组的三角形扔掉。

整条管线是这样的：每个 mesh 预先被切成 64 或 128 个三角形一组的 cluster，每个 cluster 有紧贴的包围盒和法线锥。渲染时，一个 compute shader 遍历实例列表，先对每个实例做视锥测试，再对每个可见实例的每个 cluster 做视锥测试，然后用上一帧的深度金字塔对每个幸存 cluster 做 Hi-Z 遮挡测试。整片整片被山挡住或被另一棵树挡住的树枝在任何顶点 shader 跑之前就被剔掉了。输出是一个紧凑的"画这些 cluster"参数列表，直接喂给一次 DrawIndirect。

这就是为什么一万棵树的森林能在几毫秒内渲染完，而不是几秒。Ubisoft 的《刺客信条：大革命》分享首次把这套管线带进生产环境（20-40% 的三角形被剔除，30-80% 的阴影三角形被剔除，屏幕上的实例数比上一代多 10 倍），Wihlidal 的 Frostbite 分享把它推得更远。UE5 Nanite 是这条轨迹的可见终点：把集群剔除一路推到像素级。

深入阅读：

5. 实例与集群的"由近及远"排序 ​

一旦 prepass 干上活，顺序 就开始变得重要。prepass 写深度，但只为通过 alpha 测试的片元写。如果你先画森林的背面、再画正面，每个正面片元都会覆盖一个背面片元，prepass 的 shader 仍然要为背面跑一遍。如果你按由近及远的顺序画，每一个后续 draw call 都会用更小的值填更多深度缓冲，Hi-Z 会在 shader 跑之前剔掉越来越多的背面片元。

这就是为什么几乎每个现代引擎都会在发出 prepass 之前按到相机距离对植被实例排序。这种排序很便宜（在 GPU 上用基数排序对几十万个实例做一次），而它把 prepass 本身变成了一个自剪枝过程。集群级的剔除也是出于同样的原因在 meshlet 粒度上做排序的。深度 prepass 与由近及远的顺序就是那种各自单独看不错、组合起来非常好的搭档。

深入阅读：

6. 抖动 LOD 过渡与 hashed alpha ​

另一个大坑是淡入淡出。在两个 LOD 之间过渡（或随着相机靠近把一个实例淡入或淡出）最朴素的做法是 alpha blending。但混合几何不能写深度缓冲，这会把每一棵正在淡入淡出的树推到慢速的半透明路径上，并破坏 prepass。解决方案是把几何留在蒙版路径上，在 alpha 测试里 做淡入淡出。

主要两种技术：

  • 抖动 LOD 过渡 采样一张 4x4 或 8x8 的 Bayer 模式（或屏幕空间的蓝噪声纹理），把它作为每像素的截断阈值修正。混合度为 50% 的树会留下一个棋盘格状的存活像素；缺失的像素由下一个 LOD 互补的棋盘格填上。TAA 把棋盘格在两三帧里平滑成顺滑的混合。便宜、稳定、与引擎其余部分都能搭。
  • Hashed alpha testing（Wyman & McGuire，I3D 2017）把固定的 0.5 alpha 阈值替换为每像素 [0,1) 的哈希阈值。本该完全消失的远处 alpha 几何（因为 mipmap 后的 alpha 掉到了 0.5 以下）能保持一片稳定散布的存活像素。同样靠 TAA 收尾。

两种技术都把植被留在不透明/蒙版路径上，让深度 prepass 仍能工作，你就不用为了淡入一个东西付出全套半透明渲染的代价。Alpha to coverage 是同一思路在 MSAA 时代的表亲：把 alpha 转成子像素覆盖率掩码，在不离开蒙版路径的情况下得到部分透明。代价是 A2C 只有在 MSAA 上才真正出彩，而现在大多数现代延迟渲染管线都不再用 MSAA 了。

深入阅读：

7. 降低蒙版像素的着色成本 ​

就算有完美的 prepass 和完美的剔除，每个可见的植被像素仍然要被着色一次。引擎也会把这部分成本压下来：

  • 更便宜的 BRDF。植被是哑光的，并不需要完整的 Cook-Torrance 镜面反射通路。一个 wrapped-Lambertian 漫反射加上一行近似镜面已经够用。
  • 更低频的法线贴图。叶子本身就很乱。在常见观看距离下，256x256 的法线贴图和 1024x1024 看起来一样，还能省带宽。
  • 不用视差、不用各向异性、不用 clearcoat。叶子上的 PBR 功能菜单全部关掉。
  • 双面薄物体透射 代替完整的次表面散射。叶子会从背面透光，但你可以用一个反向光照点积来模拟。
  • 半分辨率着色，部分引擎里。植被以 1/4 或 1/2 像素率着色后再上采样。TAA 的随机噪声会掩盖重采样。
  • 默认跳过细节贴图和贴花 在蒙版材质上。

每一项单独看都只是小赢。组合起来，蒙版植被 shader 可以比对应的不透明材质快 2-3 倍。

深入阅读：

8. 可见性缓冲与 Nanite 对蒙版材质的支持 ​

对付 overdraw 最干净的答案是 把着色和光栅化彻底解耦。可见性缓冲把几何光栅化到一张薄薄的缓冲里（每像素只存三角形 ID 和实例 ID），然后跑一个延迟通路读这张可见性缓冲，对每个像素恰好着色一次。根据构造，着色阶段没有任何 overdraw。Burns 和 Hunt 2013 年的论文提出了这个思路；UE5 Nanite 是它的生产级实现，自 UE 5.5 起也包括蒙版植被。

Nanite 的妙处在于它把这件事和集群级虚拟化几何结合起来，光栅化器本身对亚像素三角形走软件路径，让 overdraw 有界。Nanite 里的蒙版材质需要"可编程光栅化"特性：alpha 测试在可见性缓冲通路里跑，但材质着色仍然在延迟解析里对每个可见像素跑一次。结果是非常密集的 Nanite 植被——以前在蒙版材质上以慢著称——现在和不透明材质有得一比，甚至更便宜，因为着色时的 overdraw 是零。这里有个取舍：把高多边形的 不透明 树几何丢进 Nanite，往往比保留低多边形的蒙版卡片树要划算，因为蒙版路径要额外付出可编程光栅化的成本。

深入阅读：

9. 给植被专门的阴影表示 ​

在任何开放世界帧里，alpha-tested 植被的阴影贴图是仅次于大级联的第二贵阴影问题。每个级联都要自己的深度 prepass，每个 prepass 都要跑 alpha 测试，4 个级联和几十个光源视锥叠起来代价就累上去了。所以多数引擎不会用渲染植被颜色的同一套方式去渲染植被阴影。

常见的替代方案：

  • 网格距离场阴影（UE Lumen、自研引擎）。每个网格都有预先计算的有符号距离场。在 SDF 上做一次短锥形追踪就能得到一片柔和阴影，全程都不碰 alpha-tested 网格。对树尤其友好，因为 SDF 把树冠的剪影当作一整块固体来捕捉，忽略每片叶子的细节。
  • 植被用更低分辨率的级联。植被阴影进入半分辨率的切片，用感知边缘的滤波上采样回来。眼睛看不出分辨率下降，因为阴影本来就柔。
  • 带 MSAA 的 alpha-to-coverage 阴影贴图。在还保留 MSAA 阴影路径的引擎上，A2C 能在不付出完整 alpha 测试代价的情况下得到边缘平滑的植被阴影。
  • 树干和大树枝用胶囊阴影，树冠用距离场，只有最近的级联才走完整 alpha 测试。不同距离用不同的表示，在光照通路里混合。
  • WPO 禁用距离。风驱动的 World Position Offset 在某个阈值之外被关掉，让缓存的阴影数据跨帧仍然有效。UE 的 Virtual Shadow Maps 严重依赖这一点。

深入阅读：

10. 风、动画与阴影缓存 ​

一个相关的微妙问题：大多数植被会动。风驱动的顶点动画（UE 里的 World Position Offset，Frostbite 和 Decima 中对应的实现）意味着植被几何并不跨帧稳定，这会破坏阴影缓存和重投影。现代引擎从两方面来对抗这件事：

  • 远距离截断 WPO。在某个阈值之外，风动画的幅度平滑地降到零。那么远的地方眼睛本来也看不到摇晃，阴影缓存就保持有效。
  • 把风烘进 cluster 包围盒。cluster 的包围盒按最大 WPO 偏移做扩大，让剔除保持保守，不必每帧重新上传。
  • 逐实例的相位偏移。同样的树用一个逐实例的随机种子来错开风的相位，让森林不会步调一致地摇，而且也不必为每棵树付出唯一动画的代价。

这类细节通常不会出现在技术列表里，但在实战里就是 3 ms 森林和 9 ms 森林之间的差距。

深入阅读：

11. 组合起来算账 ​

这些技巧没有一个是银弹。有意思的是把它们叠起来会发生什么：

  • 在密林场景里，朴素的蒙版植被通路有效 overdraw 是 8-15 倍。每个可见像素跑 8 到 15 次叶子 shader。
  • 加上深度 prepass，主 pass 的 overdraw 降到 ~1 倍，但 prepass 本身仍然要碰所有东西。
  • 加上由近及远的排序，prepass 开始自我剪枝。
  • 加上集群级的 GPU 剔除，prepass 只碰可能可见的部分。
  • 加上 LOD 链和 impostor，30 米外可见四边形的 数量 整整下降一个数量级。
  • 加上可见性缓冲 / Nanite 路径，即便密集重叠，着色阶段真正每像素只跑一次。
  • 加上距离场阴影，阴影成本不再随 alpha 测试规模线性增长。

上面这些分享里反复出现的标题级结论是：有效 overdraw 从 8-15 倍塌缩到 1-2 倍，整体植被帧时间在密林场景里下降 4-6 倍。这就是现代开放世界游戏能在消费级硬件上以 60+ fps 渲染森林的全部原因。

Diagram showing the foliage rendering pipeline as five stacked stages: GPU culling, sorted prepass, masked color pass with depth-equal, visibility-buffer shading, and separate distance-field shadow path

12. 这对浏览器意味着什么 ​

这套技术栈的大部分能干净地映射到 WebGPU 上。我们已经在 浏览器开放世界引擎 中上线了 GPU 驱动的剔除、间接派发、Hi-Z 遮挡，以及由近及远排序的 prepass。蒙版几何的深度 prepass 直接就行：WebGPU 支持 depth-equal 测试和片元 shader 里的 discard，关于 early-Z 的注意事项也一样。八面体 impostor 可以机械地移植过来，数学不过是球面到八面体的展开和图集索引。

更难的是那些更现代的部分。WebGPU 里实现可见性缓冲意味着把 32 位的三角形 ID 写进一个渲染目标，再用一个全屏 compute pass 解析材质；基础积木都在，但编排比较费力。网格距离场阴影需要每个资源一张 3D 纹理和一次短锥追踪，这两件事都在 WebGPU 的射程之内。Hashed alpha 和抖动 LOD 各自只是一个 shader 函数。

浏览器植被往前走的路和这套技术栈里的其它部分一样：先上便宜、稳健的部件（prepass、排序实例、LOD、impostor、hashed alpha），再在上面加重型机器（可见性缓冲、网格 SDF 阴影）。浏览器端硬件下限终于高到没有结构性原因让 WebGPU 的森林看起来或跑起来不像主机。剩下的全是工程上的原因，而工程上的原因正是我们喜欢的那种。

跨整套技术栈的延伸阅读 ​

如果你想要一份把所有内容串起来的资料，SIGGRAPH "Advances in Real-Time Rendering in Games" 档案（advances.realtimerendering.com）里收录了 2014 年以来植被与 GPU 驱动渲染的经典分享。Adrian Courrèges 的 GPU 性能剖析文章 包含对 GTA V 和 Horizon Zero Dawn 的逐帧拆解，把这里讨论的每个通路按生产顺序展示出来。专门讲 alpha 测试的数学，Chris Wyman 的 研究页面 有 hashed alpha 与随机透明的论文，附参考 shader。还有 Real-Time Rendering, 4th edition 关于透明、采样和深度处理的章节，至今仍是教材级起点。