图形渲染与 Shader / 系统课时
采样次数增加了多少开销
采样次数增加了多少开销
PCF 的软化效果来自重复采样和深度比较,所以采样核从 3×3 扩大到 5×5 时,成本并不是只增加一点。本节建立一个简单估算模型,把采样数量、阴影覆盖像素和光源数量转换成可比较的工作量。
学习目标
- 根据 PCF 核尺寸计算单像素采样次数
- 估算分辨率、阴影覆盖率和光源数量对总采样量的影响
- 理解理论采样数与真实 GPU 耗时之间为什么不是严格线性关系
先算每个像素要采多少次
对于完整的方形 PCF 核,如果半径为 个 texel,那么一条边包含 个样本,单像素样本数为 。因此半径 1、2、3 分别对应 3×3、5×5 和 7×7,也就是 9、25、49 次 Shadow Map 采样。
这意味着从 3×3 改成 5×5,样本数不是增加约 67%,而是从 9 增长到 25,达到原来的约 2.78 倍。继续增大到 7×7,则已经是 3×3 的约 5.44 倍。
| PCF 核 | 单像素样本数 | 相对 3×3 |
|---|---|---|
| 3×3 | 9 | 1.00× |
| 5×5 | 25 | 2.78× |
| 7×7 | 49 | 5.44× |
把阴影覆盖像素算进去
并非屏幕上的每个像素都一定执行 PCF。一个实用的基础估算可以写成 ,其中 是实际执行阴影计算的像素数, 是每像素采样数, 是需要分别计算阴影的光源数量。
例如 1920×1080 画面有约 207 万像素。如果某盏灯的阴影只覆盖其中 35%,实际参与计算的像素约为 72.6 万。使用 3×3 PCF 时,每帧大约需要 653 万次样本;换成 5×5 后会上升到约 1814 万次。
下面的 Python 示例可以直接比较不同采样半径的理论工作量。
def estimate_pcf(width, height, coverage, radius, lights, fps):
shadow_pixels = width * height * coverage
samples_per_pixel = (2 * radius + 1) ** 2
samples_per_frame = shadow_pixels * samples_per_pixel * lights
samples_per_second = samples_per_frame * fps
return samples_per_pixel, samples_per_frame, samples_per_second
for radius in (1, 2, 3):
spp, per_frame, per_second = estimate_pcf(
width=1920,
height=1080,
coverage=0.35,
radius=radius,
lights=1,
fps=60,
)
print(
f"radius={radius}, samples/pixel={spp}, "
f"frame={per_frame / 1_000_000:.2f}M, "
f"second={per_second / 1_000_000:.2f}M"
)预期输出:
radius=1, samples/pixel=9, frame=6.53M, second=391.91M
radius=2, samples/pixel=25, frame=18.14M, second=1088.64M
radius=3, samples/pixel=49, frame=35.56M, second=2133.73M这些数字表示理论上的纹理采样规模,不等于 GPU 每秒真的执行了同样数量的独立昂贵操作,但非常适合在方案比较阶段判断核尺寸变化有多激进。
为什么采样数不能直接换算成毫秒
真实 GPU 时间还受到纹理缓存命中率、Shadow Map 格式、采样坐标局部性、分支、像素着色器其他工作和硬件架构影响。相邻 PCF 样本通常具有较好的空间局部性,因此 25 次采样的耗时未必严格等于 9 次采样的 2.78 倍。
反过来,如果 Shadow Map 很大、采样跨越多个缓存区域,或者多个动态光源都执行高质量 PCF,带宽和纹理单元吞吐可能成为瓶颈。此时理论采样数虽然仍有参考价值,但最终必须用 GPU Profiler 验证实际耗时。
降低开销时优先动哪些变量
最直接的变量是核尺寸。若远处阴影看不出 5×5 与 3×3 的差异,就没有必要持续支付额外 16 个样本。第二个变量是执行阴影的像素数量,例如通过灯光影响范围、距离裁剪或更合理的阴影接收对象减少覆盖面积。
多光源场景还要特别关注 。三个都投射阴影的动态光源,理论工作量可能接近单光源的三倍。实际项目通常把 PCF 半径、阴影分辨率、光源数量和阴影距离一起调节,而不是只依赖缩小某一个参数。
基础估算的价值不在于预测精确毫秒数,而在于提前发现数量级变化:从 9 个样本增加到 49 个样本,或者让一盏阴影灯变成四盏阴影灯,都足以在进入 GPU Profiler 之前提示你重点检查阴影阶段。