图形渲染与 Shader / 系统课时
高质量间接光为什么贵
高质量间接光为什么贵
高质量间接光昂贵,不是因为某一个步骤特别慢,而是空间分辨率、采样数量和更新频率会同时放大工作量。只要其中两三项一起提高,射线追踪、缓存更新、降噪和历史重建的总成本就会迅速超过一帧可用的 GPU 预算。
学习目标
- 理解空间分辨率、采样数和更新频率如何共同决定成本
- 识别画质提升最容易引发成本爆炸的环节
- 用预算模型比较不同 GI 设置的相对开销
三个乘数一起放大成本
把实时 GI 简化后,可以用一个直观关系理解主要工作量:
其中 表示需要处理的像素、体素或探针数量, 是每个位置的采样数量, 是每秒更新次数。真实渲染器还包含射线长度、材质求值、层级结构遍历、降噪和显存访问,但这三个乘数已经足以解释为什么“都提高一点”会很贵。
例如把三维体积每个轴的分辨率都翻倍,单元数量不是两倍,而是八倍;如果同时把每单元采样从 2 提到 4,并把更新频率从 15 Hz 提到 30 Hz,理论工作量会变成原来的 32 倍。

空间分辨率先吃掉显存和带宽
更高空间分辨率能减少漏光、模糊和细节丢失,但它首先增加缓存规模。二维屏幕 GI 会直接受渲染分辨率影响;三维辐照度体积更敏感,因为长、宽、高三个轴都会同时增加单元数量。
分辨率提高后,不只是“多算几个点”。每个单元往往还要存颜色、方向、深度或历史统计信息,随后还要进行邻域读取和过滤。因此成本会同时出现在显存占用、带宽和计算量上。
采样数决定噪声与单帧工作量
每个位置只发少量射线时,结果噪声大,需要依赖时间积累和空间降噪。增加采样可以更快得到稳定结果,但射线遍历、命中材质求值和光照计算几乎都会随采样数上升。
这也是为什么实时 GI 常把“低采样 + 历史累积 + 降噪”作为默认路径。它把一次完成的高成本计算拆到多个帧中,用时间稳定性换取单帧性能。
更新频率决定动态响应
如果 GI 每帧都完整更新,动态光源和移动物体的响应最好,但 GPU 几乎无法复用上一帧的结果。降低更新频率后,可以分帧刷新体积块或探针,让预算更稳定,但快速运动时会出现延迟、拖影或局部亮度滞后。
下面的脚本用相同模型比较三档配置的相对工作量,帮助理解为什么高分辨率、高采样和高频更新不能同时无限提高。
configs = {
"balanced": (64 * 36 * 16, 2, 15),
"quality": (96 * 54 * 24, 4, 30),
"ultra": (128 * 72 * 32, 8, 60),
}
base = None
for name, (cells, samples, hz) in configs.items():
work = cells * samples * hz
if base is None:
base = work
print(f"{name}: {work / base:.1f}x")预期输出:
balanced: 1.0x
quality: 6.8x
ultra: 32.0x这里的倍率只表示相对工作量,不等于真实帧耗时,但能暴露一个重要事实:单独调高某个参数通常还可控,同时提高多个参数才是成本失控的主要来源。
优化时按画面收益分配预算
实际优化不应先问“哪个参数最低”,而应先找画面中最显眼的问题。如果漏光和细节糊成一片,优先提高局部空间分辨率;如果主要问题是闪烁噪声,优先改善采样分配或降噪;如果动态光变化跟不上,再提高关键区域更新频率。
真正有效的方案通常是不均匀分配:近处高分辨率、远处低分辨率;重要像素多采样、稳定区域少采样;动态区域高频更新、静态区域低频更新。高质量间接光之所以贵,本质上是它试图同时购买空间细节、统计稳定性和时间响应,而优化的核心就是不要在所有区域同时为三者支付最高价格。