最近幾年圖形學社區(qū)對PBR的關(guān)注非常高，也許是由于Disney以及一些游戲引擎大廠的助推，也許是因為它可以被輕松集成進實時渲染的游戲引擎當中，也許是因為許多人發(fā)現(xiàn)現(xiàn)在只需要調(diào)幾個參數(shù)就能實現(xiàn)具有非常精細細節(jié)的表面著色了。反正現(xiàn)在網(wǎng)絡(luò)上隨便一篇PBR的文章都可以引來大量的關(guān)注，不管你有沒有講清楚，也不管我有沒有看明白（當然沒有調(diào)侃誰的意思啦，它們大部分都還不錯，而且這篇文章跟他們大部分討論的內(nèi)容都不一樣）。

那么PBR是否已經(jīng)足夠完美，如果不是，那么它有哪些方面的缺點及限制，以及針對這些不足，它的下一步發(fā)展應(yīng)該是什么？這些問題就是本文會聚焦的內(nèi)容。對于一個知識點，解釋它的基本思路和概念也許并不是最難的，最難的是你知道它的限制和不足在哪里，這部分的理解往往會比它的基本概念要困難一些，你必須更深刻地理解這種知識才能洞悉它的缺點，然后你便清楚它的下一步發(fā)展應(yīng)該是什么。因此，本文其實不僅會討論PBR的下一步發(fā)展，這里對PBR不足的一些分析也許能夠讓你更深刻地理解它的概念。不信？往下讀一讀試試！

本文主要分為三個部分，第一部分簡要介紹PBR的基本概念，第二部分則分析PBR存在的問題，然后我們結(jié)合一些研究成果探討PBR的下一步發(fā)展。

PBR基本概念

這里，我們從兩個方面介紹PBR的基本概念：首先介紹它處于渲染中的什么流程或者說哪個環(huán)節(jié)，或者說它在整個渲染中具有什么樣的作用；然后介紹它的基本原理和思路。在圖形渲染中，如果架構(gòu)抽象的比較好的，我們可以將整個渲染流程劃分為四個相對比較獨立的部分：

• 光源表述（lighting）：例如是點光源，面積光源或者其它形式的（例如將網(wǎng)格用作一個）光源，是使用輻射強度還是直接使用輻射亮度來表述光源發(fā)出的光照。
• 光照傳輸（light transport）：就是光在場景中是怎么傳輸?shù)?#xff0c;例如離線渲染中的光線追蹤算法，它能模擬比較真實的光子傳輸行為，就是說能覆蓋全部光子傳輸路徑（或空間），但是在實時渲染中使用的一些近似方法也是表述光照傳輸?shù)?#xff0c;雖然它可能省略掉了一些不重要的路徑，但是這仍然是一種光照傳輸算法。光柵化的整個過程也是模擬了直接光照的傳輸。
• 著色模型（shading）：就是光與表面相交時發(fā)生的光學交互，比如反射和折射等，所有著色相關(guān)的數(shù)據(jù)匯總成一個材質(zhì)對象，每個物體表面都需要一個材質(zhì)對象，以便決定光在經(jīng)過物體表面時應(yīng)該如何對物體表面進行著色。
• 攝像機模型（camera）：比如投影方式，對景深效果的實現(xiàn)方式，是否支持全景繪制，是否支持對時間采樣實現(xiàn)運動模糊等。

其中，光源表述和攝像機模型是相對比較簡單的，最耗時間的是光照傳輸，因為它要執(zhí)行光線與場景的相交計算，復(fù)雜的著色模型也可能比較耗時，但著色模型的最重要作用是決定物體表面所能表述細節(jié)（details）的能力。

在術(shù)語上，PBR英文全稱為Physically based rendering，它是指能夠?qū)崿F(xiàn)接近物理真實的整個渲染算法或過程。但是由于光照的傳輸算法通常是固定且內(nèi)置于渲染引擎的（或者說已經(jīng)具有比較穩(wěn)定成熟的算法，例如離線渲染領(lǐng)域的路徑追蹤算法，或者實時渲染領(lǐng)域里的光柵化+其它全局光照算法），剩下對基于物理的渲染算法影響最大的其實是表面的著色（材質(zhì)）模型。因此，人們通常在討論或描述PBR時，更多的是指其使用的著色模型?；谖锢淼闹Ｐ透鼫蚀_的稱呼應(yīng)該是Physically based shading，但是通常并沒有PBS的稱謂。

那么物理材質(zhì)是指什么，“材質(zhì)”其實就是光在與某個特定表面交互時需要的所有光學交互計算的數(shù)據(jù)，例如法線，紋理，BRDF等，也就是說，材質(zhì)定義了最終表面接受光照后的視覺結(jié)果。對于物體表面視覺特征的定義，根據(jù)尺寸粒度可以劃分為三級：

• 基于網(wǎng)格頂點的表述，這種就是只對網(wǎng)格頂點的著色進行描述，然后中間的表面像素則通過插值來計算。
• 基于像素的紋理貼圖，這就是最常見的各種貼圖，它們能表述像素級別的視覺特征。
• 基于微觀粒子的微面元表述，這就是我們這里所關(guān)心的物理著色。

上述前兩種視覺表述是比較常見的，也是早期使用的一些技術(shù)。然而這兩種表述遠遠不能描述物體表面的視覺特征，這是因為一個像素的尺寸遠遠大于物體表面上微觀粒子的尺寸，如下圖所示，圖像空間中間的黃色方塊表示一個像素，下面灰色褶皺部分則是該像素對應(yīng)的實際微觀結(jié)構(gòu)，而光實際上是作用在這些微觀結(jié)構(gòu)上的，所以基于像素的著色模型（如直接貼圖）反應(yīng)不出真實物體表面的微觀細節(jié)，所以這些技術(shù)都可以稱為不是基于物理的材質(zhì)。

物體表面微觀結(jié)構(gòu)的尺度遠遠小于一個像素的尺度

?

那么，要怎么表述這么微小的微觀結(jié)構(gòu)的光學交互行為呢？顯然我們不可能像紋理那樣對每個微觀粒子使用一個紋素進行表述，那樣我們的計算機內(nèi)存將遠遠不夠存儲這種級別的紋理，所以人們提出了Microfacet BRDF理論，它使用一個法線概率分布函數(shù)，來模擬微觀粒子的法線分布特征，這樣就能夠表述物體表面的微觀特征，從而接近物理真實，所以稱為基于物理的材質(zhì)表述。

Microfacet BRDF表現(xiàn)出來的視覺特征是什么呢？那就是對于每個固定方向的入射光，我們可以有多個對該入射光的觀察方向；或者反過來說，對于某個固定的觀察方向，我們可以從一個像素觀察到來自多個方向的入射光照。如果沒有Microfacet BRDF，一個像素只被當做一個平面，對于固定的觀察/入射方向，它只對應(yīng)一個入射/觀察方向。在Microfacet BRDF中，我們所能觀察入射方向的方向范圍，被參數(shù)化為一個粗糙度參數(shù)，如下圖所示。這種著色模型使得我們能夠表現(xiàn)比像素更小尺寸的表面細節(jié)。

反射光的范圍大小取決于物體表面的粗糙度，物體表面越粗糙，它越能接收更大范圍的光照

?

在渲染中，我們有許多模型來近似真實物體的微觀法線分布，例如Normalized Blinn-Phong，Beckmann，GGX模型等等，這些模型具有不同的近似度和計算復(fù)雜度。由于這些模型都是對真實物理特征的近似，因此它們很可能不會遵循真實的物理分布，因此正性（positivity），互換性（reciprocity）以及能量守恒（energy conservation）被用來衡量一個BRDF模型是否是基于物理真實的，注意它們不是BRDF的屬性哦，而是對BRDF是否滿足物理真實的要求，因為你根據(jù)一些測量數(shù)據(jù)提出一個近似的BRDF模型很可能不是物理真實的，這些條件只是用來檢驗BRDF模型的物理真實性。

? DreamWorks Animation 2017

?

頂點和像素級別的紋理可以存儲在一張紋理圖片中，這種基于物理的材質(zhì)表述怎么存儲呢？前面已經(jīng)說過這個級別的表述是無法精確定義和存儲的，所以我們將這個概率密度分布直接寫進shader中，因為shader也是材質(zhì)的一部分。

這也是為什么近幾年實時渲染的游戲品質(zhì)有了很大提升，實時渲染與離線渲染的最大不同在于光照的傳輸過程，實時渲染省略或者近似了很多路徑，但是在光與表面的交互上，它只涉及一個公式的計算，并不會對性能造成太大影響，所以可以很容易地集成進來。不過實踐中，實時渲染使用的概率密度分布函數(shù)要比影視中使用的計算量要簡單一些，這只是在質(zhì)量上稍有差異，但是不影響它表述微觀粒子視覺特征的能力。

PBR的限制

有了上述Microfacet BRDF理論，物理著色的世界是否就完美了呢？換句話說你是否就能夠通過幾個神奇的參數(shù)表述任意細節(jié)的物理材質(zhì)呢？

如果你仔細觀察通過上述那些Microfacet BRDF模型渲染出的圖像，你會發(fā)現(xiàn)雖然它們能夠表述粗糙度，但是它們都太過平滑或者說模糊，例如下邊右邊的圖。

右圖：傳統(tǒng)的Microfacet BRDF模型太過于平滑（圖片來自【10】）

傳統(tǒng)的Microfacet BRDF模型渲染不出上圖中左圖那種劃痕的效果。這是為什么，這是因為出于計算效率，傳統(tǒng)的Microfacet BRDF模型都是對真實BRDF分布的一個粗略近似，這些近似往往都非常平滑，如下圖所示，右圖表示一個比較真實的BRDF分布，而左圖表示一個傳統(tǒng)的Microfacet BRDF模型，左圖可以看做是對右圖的一個（非常）平滑的結(jié)果，這是因為我們需要計算效率足夠高的著色計算，復(fù)雜的BRDF分布會大大增加采樣的計算時間。這種平滑的結(jié)果使得傳統(tǒng)的Microfacet BRDF模型只能渲染出一定距離范圍之外的表面著色，你可以理解為距離越遠著色越模糊，當然這里實際上不是指實際物體離攝像機的距離，而是說這種模型永遠只能渲染出類似于超出這個距離的表面粗糙度，即使拉近攝像機的距離，它們看起來仍然是很平滑的，因為它們所使用的BRDF已經(jīng)被嚴重的平滑了，也就是上面右圖中的效果，那些更細微的細節(jié)被下面左圖這樣類似的BRDF分布給平滑掉了。

左：傳統(tǒng)的Microfacet BRDF模型：右：真實的BRDF分布（圖片來自【5】）

所以這里可以總結(jié)出傳統(tǒng)的Microfacet BRDF模型具有哪些不足。首先，傳統(tǒng)的Microfacet BRDF太過平滑，不能表現(xiàn)小于一個像素的幾何級的細節(jié)，這些細節(jié)的尺寸介于像素和微觀粒子之間，如文章封面左圖中的劃痕，后面會分析更多例子。

其次，物理材質(zhì)的著色計算“表述”在像素著色器（shader）中，而物體表面的宏觀結(jié)構(gòu)往往通過網(wǎng)格頂點或者像素級別的法線貼圖來表述，這兩種幾何表述是分離的，并且隨著表面離攝像機距離的改變，一個像素的尺寸和一個紋理中的紋素的尺寸之間的相對關(guān)系發(fā)生著變化，當物體表面離攝像機足夠遠時，實際上物體的宏觀法線貼圖或幾何結(jié)構(gòu)其實變成了該像素的“微觀結(jié)構(gòu)”，然而，通常法線貼圖或幾何結(jié)構(gòu)與BRDF都是獨立的，例如法線貼圖首先被過濾到最模糊的級別，然后用于Microfacet BRDF的計算，這就使得artifacts非常嚴重，例如下圖中三種不同的距離下，近處的水波細節(jié)在遠距離下產(chǎn)生較大的artifacts。

或者如下圖中，光盤上的劃痕，在遠距離下直接被模糊掉了。

在遠距離下，由于幾何級的法線數(shù)據(jù)首先被過濾，然后作用與BRDF，因此這種細節(jié)丟失，物體表面的細節(jié)隨著距離攝像機的距離改變而改變（圖片來自【13】）

PBR的下一步發(fā)展在哪里？

上述的描述其實可以總結(jié)為兩個方面：

• 傳統(tǒng)Microfacet BRDF對微觀結(jié)構(gòu)的表述精確度不足
• 傳統(tǒng)的Microfacet BRDF與宏觀的（如法線）貼圖或幾何結(jié)構(gòu)不相容，或者說不能相互協(xié)調(diào)工作

這是兩個獨立的問題，例如單提高BRDF的精確度不能解決第二個問題，因為對于遠處的物體，我們需要將幾何級的結(jié)構(gòu)視作像素的微觀結(jié)構(gòu)（例如微面元），否則我們需要很高的采樣才能消除artifact，而這對于遠處的物體較高的采樣顯然是比較浪費的；其次，讓宏觀的幾何結(jié)構(gòu)與BRDF相協(xié)調(diào)對于近處物體的細節(jié)表述是沒有什么意義的。當然如下所述，如果高分辨率的法線貼圖被視作幾何結(jié)構(gòu)，那么第二個問題的確能改善第一個問題。

首先，對于微觀結(jié)構(gòu)的表述，出于計算效率的考慮，目前我們還不可能使用非常復(fù)雜的Microfacet BRDF近似模型，因為比較精確的模型可能需要上百倍的計算時間。當前的研究主要是集中于使用高分辨率的法線貼圖（或者其它一些特殊的高分辨率幾何結(jié)構(gòu)）來表述這種介于像素和微觀粒子之間的幾何結(jié)構(gòu)，然后將每個像素對應(yīng)的這種幾何級的數(shù)據(jù)與BRDF相融合，得出一種能夠適應(yīng)這些幾何結(jié)構(gòu)的Microfacet BRDF模型。這種模型能夠表述更微觀的幾何細節(jié)，例如下圖所示，光盤和地板上那種細節(jié)在傳統(tǒng)的BRDF上是表現(xiàn)不出來的，因為它們會完全被平滑掉。

Microfacet BRDF與高分辨率貼圖結(jié)合產(chǎn)生更多細節(jié)（圖片來自【10】）

通過結(jié)合傳統(tǒng)的Microfacet BRDF模型與貼圖，兩種著色技術(shù)被結(jié)合起來，使得我們不必使用更復(fù)雜的Microfacet BRDF模型就可以表述更精細的微觀結(jié)構(gòu)。

除了將高分辨率的貼圖融入進Microfacet BRDF模型中，對于遠處的表面，我們還需要能夠直接將宏觀的表面幾何結(jié)構(gòu)融入進Microfacet BRDF模型中，即這些宏觀幾何結(jié)構(gòu)成為一個像素中的微面元本身。

在傳統(tǒng)的Microfacet BRDF模型中，針對每一個像素，我們首先根據(jù)法線貼圖或其它方式得到一個當前像素的法線，然后代入進Microfacet BRDF模型中計算出射光照。然而我們說過，Microfacet BRDF模型發(fā)生于像素尺寸，而法線采樣發(fā)生于紋理尺寸，這兩個尺寸通常是不對等且隨著表面到攝像機的距離變化而變化的，例如對于比較近的表面，假如像素與紋理尺寸是一比一的，那么這個法線采樣會比較準確，它可以直接被用于Microfacet BRDF模型中進行計算；然后對于遠處的表面，一個像素尺寸可能等于多個紋素尺寸，這時對法線貼圖的直接采用就會導(dǎo)致比較大的方差，我們需要花很多的樣本才能把這些方差平均下來，因此傳統(tǒng)的做法就是首先對法線貼圖進行過濾，也就是從一個Mipmap中得到對應(yīng)距離的法線值。這種做法雖然使用平滑的偏差帶來了方差的減小，但是它又平滑了這種幾何級的細節(jié)，所以我們?nèi)匀恍枰浅８叩牟蓸勇蕘硖钛a這些細節(jié)。

所以，如果我們能夠?qū)缀渭壍暮暧^結(jié)構(gòu)也融入到Microfacet BRDF中，對于遠距離的表面，宏觀的幾何結(jié)構(gòu)直接集成于Microfacet BRDF中，就能夠使用比較少的樣本來得到遠處表面的細節(jié)，例如下圖中，使用傳統(tǒng)的Microfacet BRDF，左圖使用100個樣本可以得到比較精細的細節(jié)，但是中圖使用一個樣本則比較模糊，因為較遠的地方法線貼圖的采樣被過濾了，右圖將幾何結(jié)構(gòu)融入Microfacet BRDF中，可以使用較少的樣本得到遠處的幾何細節(jié)。

左圖：傳統(tǒng)的Microfacet BRDF，使用每像素100個樣本；中圖：傳統(tǒng)的Microfacet BRDF，每像素一個樣本；右圖：將幾何結(jié)構(gòu)融入Microfacet BRDF中，每像素一個樣本（圖片來自【4】） 能夠?qū)缀渭壍馁N圖數(shù)據(jù)和Microfacet BRDF融合，許多的表面都可以得到更精細的表述。
圖片來自【13】

當然，由于bump map或normal map都是對法線的fake，它們并不改變物體表面的幾何結(jié)構(gòu)，僅僅是直接給著色器傳遞一個假的的法線值，這個法線值可能導(dǎo)致物體表面的表面幾何分布并不是一致的（consistent），因此這就破話了Microfacet BRDF的對稱性和能量守恒。例如下圖所示，由于表面的真實幾何結(jié)構(gòu)沒有發(fā)生變化，然而著色使用了一個假的法線，因此使得一部分的方向被丟失，例如對于下圖而言，左邊半球與幾何平面交叉的部分（紅色箭頭所示）和右圖半球面下方的方向（紅色箭頭所示）都是不能被采樣的，這造成了光照的泄露和丟失。

圖片來自【11】

?

因此，開發(fā)更高效的Microfacet BRDF模型，使其能夠與在bump/normal map的配合下能夠呈現(xiàn)更真實的著色，也是Microfacet BRDF發(fā)展的話題，以下是Unity labs的一種解決方案。

圖片來自【11】

總結(jié)

出于性能考慮，當前傳統(tǒng)的Microfacet BRDF都采用比較模糊近似模型，這使得介于像素和微觀粒子之間的微觀結(jié)構(gòu)被忽略。而實踐上我們也不可能采用表述更精確的Microfacet BRDF模型，因為這往往需要較大的數(shù)據(jù)存儲（例如一些基于數(shù)據(jù)驅(qū)動的Microfacet BRDF模型）或者較大的計算時間，不過實際上可能人眼也不可能分辨太過微觀的細節(jié)，因此結(jié)合傳統(tǒng)的（bump/Displacement/normal map等）貼圖技術(shù)，通過高分辨率的貼圖來展現(xiàn)比像素更微觀的細節(jié)，并讓這些貼圖所表述的相對宏觀的幾何結(jié)構(gòu)融入到Microfacet BRDF模型中，便成為比較簡潔而有效的方法。此外，除了貼圖級別的宏觀幾何結(jié)構(gòu)，遠處更大尺寸的如頂點級別的幾何結(jié)構(gòu)也是需要與Microfacet BRDF模型進行融合的。

對于理解Microfacet BRDF模型，表面表述的尺寸是一個非常關(guān)鍵的因素，仔細去理解每種尺寸下著色模型的選擇，以及它們之間怎么聯(lián)合起來對總的表面進行著色，這是讓你透徹理解著色的關(guān)鍵。

?

?

參考引用或相關(guān)補充資源：
[1] 2010 LEAN Mapping
[2] 2013 Linear Efficient Antialiased Displacement and Re ectance Mapping
[3] 2014 Discrete Stochastic Microfacet Models
[4] 2014 Geometry into Shading
[5] 2014 Rendering Glints on High-resolution Normal-mapped Specular Surfaces
[6] 2014 Understanding the Masking-Shadowing Function in Microfacet-Based BRDFs
[7] 2015 Multiple-Scattering Microfacet BSDFs with the Smith Model
[8] 2015 Skin Microstructure Deformation with Displacement Map Convolution
[9] 2016 Multi-Scale Rendering of Scratched Materials using a Structured SV-BRDF Model
[10] 2016 Position-Normal Distributions for Efficient Rendering of Specular Microstructure
[11] 2017 Microfacet-based Normal Mapping for Robust Monte Carlo Path Tracing
[12] 2017 Pixar's Foundation for Materials
[13] Racing for Realism

轉(zhuǎn)載于:https://www.cnblogs.com/hielvis/p/8111531.html

總結(jié)

以上是生活随笔為你收集整理的More DETAILS! PBR的下一个发展在哪里？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。