Optimization 如何使用光线相干性来提高光线跟踪速度，同时保持真实感？
我正在考虑在我的软件“每像素实时光线投射器”中利用光线相干性 AFAICT，使用一个统一的网格，如果我将光线相干性分配给4x4像素的面片（目前我每个像素有一个光线投射），给定16条具有不同起点（和终点）的平行光线，这将如何处理成一个相干性场景？我所预见的是：Optimization 如何使用光线相干性来提高光线跟踪速度，同时保持真实感？,optimization,raytracing,raycasting,Optimization,Raytracing,Raycasting,我正在考虑在我的软件“每像素实时光线投射器”中利用光线相干性 AFAICT，使用一个统一的网格，如果我将光线相干性分配给4x4像素的面片（目前我每个像素有一个光线投射），给定16条具有不同起点（和终点）的平行光线，这将如何处理成一个相干性场景？我所预见的是： 存在一个距离，在该距离内，相邻/相似光线的光线行进将完全相同。在这段距离内，我节省了处理时间。（我怎么知道距离是多少？） 由于某些光线没有在正确的时间发散，我最终会得到一个稍微到严重不正确的图像 考虑到光线是从一个点而不是平面投射的，我想我
我想我只是没有理解这是如何使用的。如果操作正确，光线相干性应该不会影响最终图像。因为光线非常接近，所以有一个很好的变化，它们在穿越加速度结构（kd树、aabb树等）时都会采用相似的路径。你必须沿着每一条射线可以击中的分支走下去，但希望这不会增加分支的数量，并且可以节省内存访问
另一个优点是，您可以使用SIMD（例如SSE）来加速某些测试，包括加速结构和三角形。是否在光线包跟踪中对给定的光线进行分支，以减轻光线在较大距离的转移？一幅画可以画出一千个字。我希望我能找到一个。找不到图片，但Ingo Wald的博士论文（）在kd-Trees的7.2.3 SIMD数据包遍历中描述了这一点。是的，Wald的论文帮助了一些。我得到的是，你可以通过SSE或GPU使用SIMD在数据包中投射相干光线。我不明白的是当一条射线击中时会发生什么。有分支吗？或者其他平行光线是否也会继续传播，直到它们停止，在这一点上整个SIMD操作终止？更重要的是——如果是这样的话，为什么不在发散光线上做SIMD呢——光线数据就是“MD”；如果光线未穿过树中的分支，请清除其位。当没有光线处于活动状态时，可以停止遍历当前分支。当你到达一片叶子时，你可以投射所有的光线，或者只投射活跃的光线，无论你认为哪个更快（因为不活跃的光线不应该击中）。光线的相干度越高，它们越有可能通过树中的相同节点并击中相同的三角形，从而避免获取额外的数据。