[Siggraph15] GPU-Driven Rendering Pipelines

GPU-Driven Rendering Pipelines

GPU來掌控哪些實際渲染的物體

-切換viewport/frustum

-GPU更細粒度的Visibility

-不需要CPU/GPU的來回傳遞數據

動機：

RedLynx

User generated content（UGC）

-內容伺服器下載，需要精簡尺寸

-沒法預烘焙

-非常細小的module組合

-超遠視距

-shadowmap造成dp膨脹

-物理模擬/腳本系統CPU開銷大

Assassin』s Creed Unity

-超多幾何物體

-內部建築無縫讀圖

-大量人群

-模塊化半自動生成內容（大量dp）

Mesh Cluster Rendering

-Fixed topology (64 vertex strip，64 thread per wavefront)

-重整所有mesh來適應cluster（包括degenerated triangle）

-從vs中讀取shared buffer來獲取頂點（不需要setVB/IB）

-DrawInstancedIndirect（節省大量CPU time）

-GPU culling輸出cluster list以及drawcall參數

-一個dp任意多的模型

-GPU使用cluster bounds來cull

-cluster可以做depth sorting來避免overdraw

Cons：

-Memory increase due to degenerate triangles

-Non-deterministic cluster order（會造成z-fighting）

Overview

1. CPU使用coarse quad tree culling

2.CPU update GPU數據

-instance data:

*比如transform/LOD factor/…

*每個instance使用8 offsets去索引數據，比如vb location/extents/transform

*對於static mesh，這些數據是永久的

-對於非instance data建立hash

*比如material/renderstate/…

-使用這些hash來merge drawcall

*merge之前，會sort by distance drawcall

3. Batch Drawcall

4. Instance culling

-instance stream包含了GPU-buffer per instance的數據，比如transform/instance bounds等（ExecuteIndirect）

-GPU做frustum和occlusion，對於通過的instance生成cluster chunk

5. Cluster chunk expansion

-使用中間數據chunk的原因是，每個instance展開的cluster數量方差太大（1-1000），直接展開會造成wavefront計算資源不平均，每個chunk可以展開64個clusters

6. Cluster culling

這一步使用instance的transform和每個cluster的bounds去做frustum和occlusion culling。對於每個cluster，會在之前預烘焙cluster的view-dependent的朝向mask做backface culling。通過culling的cluster會導出index compact job，其中包含triangle mask和r/w offsets，這些offset根據關聯的instance primitive使用atmoic操作生成

7.Index compaction

Index buffer之前在cpu上create的，所以每個mesh的ib都是full unculled。因為compact ib比較小（8MB），所以一次場景渲染可能沒法完全存進一個buffer。所以index compaction（ExcuteIndirect）和multi-draw（DrawIndexInstancedIndirect）是交替進行的

每個wavefront處理一個cluster，每個線程處理一個三角形，它們之間是相互獨立的。根據之前cluster culling傳遞的triangle mask和i/o offsets，每個線程計算輸出正確的寫入位置。這步通常佔用5-10%的geometry rendering（G-Buffer pass）

8.Multi-Draw

最後每個batch一個multi-draw，渲染數據

Occlusion Depth Generation

-Pre-Depth pass（~300 best occluders，使用bounds和美術設置的標記作為occluder，選擇其中最近的300個occluder）

-Full-res HiZ & EarlyZ

-使用downsample的Z（512*256）

-混合上一幀的depth

*reproject會補充occluder的空洞，但是當鏡頭移動時，可能還是會出現空洞；如果有太大的快速移動物體時，可能會出現false occlusion，reject鏡頭附近的occluder來避免這種情況

-HiZ for GPU Culling

Shadow Occlusion Depth Generation

-camera depth reprojection（64*64）

-和上一幀shadowmap混合

*有太大的快速移動物體時也會有問題，但是基本上沒有

-Hi-Z for GPU Culling

Camera depth reprojection

-會遮擋掉大部分view中被遮住的caster

Results

-CPU

*節省了1-2個數量級的drawcall

*75%的時間開銷，~10倍數量的物體

-GPU

*20-40%的三角形culled

*整體只有<10%的性能提升

*30-80% shadow三角形culled

Virtual Texturing

-256』000*256』000

-128*128 texel

-8k*8k page cache

*5 texture array:

*BC5/BC3

GPU-Driven Rendering with VT

-所有的texture數據一次性全部準備好，只用一次texture binding

-不在需要根據texture來batch

Single Draw Call Rendering

-GPU-driven pipeline可以一次性取得所有mesh data，vt可以取得所有texture，意味著整個場景只需要一次drawcall

-Dynamic branching for different vertex animation types

-可以在cluster的細粒度來sort場景，這樣在geometry pass就相當於pre-depth

-cheap OIT using inverse sort

-複雜的材質blend和decal可以直接保存在VT中

-VT自帶cache，節省了大量的帶寬（可以讓關卡設計師隨意放置decal，任意使用大量材質，不用關心貼圖尺寸數量）

-對UGC特別友好（假設用戶沒有technical knowledge）

Virtual Deferred Texturing

-下次再說

Two-Phase Occlusion Culling

-跟精確的pixel級別culling

-不用渲染一遍occluder

-只用上一幀的full-res depth

Benchmark

-250』000物體

-1GB mesh數據

-只用兩個DrawInstancedIndirect

XB1上的數據，性能好的令人咋舌。。。

PS：15年Ubi剛出GPU-Driven的產品，結果Unity被稱為Bug最多的一款AC。。。不過Ubi在遊戲技術創新和開拓的精神真的令人 十分敬佩，當年Ubi China是可是中國遊戲的黃埔軍校啊。16年SIG上Frostbite更進一步，進行了triangle級別的culling以及index compact。NVidia有一篇類似 tech report，CPU的性能優化提升了百倍數量級，隨著DX12的到來，CPU的 計算力 算是得到了 更好的解放，不過在GPGPU方面的探索和進步還是有很多值得學習研究的地方。