[acm15]the sggx microflake distribution

intro

acm transaction on graphics 15的一個文章；

https://dl.acm.org/doi/10.1145/2766988

整體偏學術，主要是對馬島的siggraph20的course中有引用，順着看過來，還挺有意思；

論文本身有點晦澀，看起來有點枯燥，看這個視訊比較好：

https://www.bilibili.com/video/BV1MK411P71x?from=search&seid=10817193380449311591

筆者還加了些注釋說明。

overview

sggx microflake distribution是處理volume 渲染的一個方法；

像fur，fabric，植被這種，實體比較正确的方式還是要按照volume去模組化；

像之前[sig16]《神秘海域4》中的volumetric-based materials

裡的技術還是偏hack的，沒有做正确的模組化和計算。

在sggx之前，是有zhao shuang老師的很多在volume渲染方面的很多工作.

對于毛發這種，是屬于各向異性的體資料，一般使用的模組化是microflake；毛發這種完整說來是：spatially-varing properties of anisotropic microflake participating media；

microflake就是如圖了解就行，就是volume中一堆小片，用這個來模組化各種體資料；

但是之前的做法是超高精度的渲染方式，細節很高，但是消耗太大；

而且數學模型也不容易去downsample。

sggx是使用了一個更加簡單，以及容易lod的表達，極大地提升了這個渲染的效率，是以也在一些遊戲中開始被使用；

關鍵點

整篇文章關鍵點兩個：

• roughness實體屬性的直覺表達，是microflake在各個方向上的投影面積（project area）
• 然後使用ellipsoid（橢球體）來表達模組化，把解析公式的方式，轉變成geometry的方式，進而把整個問題大幅度簡化

  

  這裡作者首先從light在volume中傳播的方式來進行反推，最後得出roughness就是microflake在各個方向上的project area；

  然後進行downsample的時候也要圍繞這個來做；

  一旦有了project area這個關鍵點，那麼模組化就相對直接

  

  

就是使用ellipsoid來模組化，可以做到和原來的microflake等效；

這樣normal distribution什麼的也都有了，sggx的ellipsoid模型也可以把ggx distribution統一進來；

然後ellisoid表達就是一個矩陣就有了，各種簡潔；

進而各種dowsample等等的操作就簡單了；

結果

sggx normal distribution能夠在效果相近的情況下，大幅度提升渲染效率，可以說是挺犀利了；