整理/以撒
在今年，UE5的新技术逐渐走入了游戏从业者的视野中。不管是官方放出的两次Demo，还是《黑神话：悟空》的新实机演示，都让不少人有了摩拳擦掌的感觉。
与此同时你可能也注意到，许多厂商都已经开始布局UE5了。举几个例子：腾讯天美的两款3A级开放世界项目、NExTStudios的火星题材项目、米哈游的机甲开放世界，以及灵游坊的两款主机产品……等等。
尽管看起来势头很足，但对我们来说，UE5的各项技术仍然显得有些不可捉摸——它到底能做到什么？相比以前有什么样的进步？在具体流程中又是如何实现的？
好吧，这些硬核的技术细节，或许不是谁都能看懂的。但如果你想为新项目的引擎选择找到参考、树立新的学习目标，抑或是单纯地凑凑热闹，了解一下行业前沿知识，都可以试着往下啃啃。
在今天由腾讯游戏学堂举办的第五届腾讯游戏开发者大会（TencentGameDevelopersConference，即TGDC）上，来自EpicGamesChina首席引擎开发工程师王祢，分享了有关UE5的新功能，主要包括Nanite（可制造大量多边形）和Lumen（更好的全局光照效果）等引擎特性。
以下为经过整理的分享内容：
大家好，今天我主要为大家介绍UE5的新功能。当然，UE5有太多新功能了，我会挑大家最关心的Nanite和Lumen多讲一些。
在开发UE5的时候，我们主要有三大目标：提高各方面的渲染品质，让数字世界变得更加动态，这是在提高整个虚拟世界构建和表现的上限；同时我们也希望提供更多更丰富易用的工具、提高开发和迭代的效率、改善用户编辑和创造的体验，也就是降低使用门槛。
相比UE4，UE5做了大量改进。主要包括Nanite和Lumen这些渲染技术，整体构建大世界的工具，以及底层对渲染大量对象生成ProxyMesh的技术。
在协同工作方面，改进包括管理大量资产的性能、编辑器和用户体验、次世代的一些动画技术Chaos、网络同步的物理系统，以及一些全新模块、游戏框架、AI集群系统、进一步完善的Niagara系统以及各种音频模块，像MetaSound之类的功能都有非常大的改善。
01
Nanite在今年5月，我们用古代山谷Demo展示了UE5EA版本的主要功能。首先就是我们主打功能之一的Nanite，它是一种全新的Mesh表现形式，是一种虚拟微表面几何体，解放了此前模型制作对大量细节的限制。在EA版本，Nanite还有很多功能并不完善，我们后续会慢慢改进。
古代山谷Demo
现在，Nanite可以真正用于制作影视级别的资产——几百万，甚至上亿面的模型都可以直接导入引擎、高效渲染，例如照片建模、Zbrush雕刻的高模、CAD数据。我们测试过几万到十几万个百万面以上的实例，它们每个都能在view内能被看到的情况下，在s这样的GPU上跑到60fps、P左右分辨率。
目前，Nanite支持的平台主要是新一代主机和PC。相比去年我们放出来的LumeninthelandofNanite，这项技术的品质和效率都有不少提升，包括磁盘的编解码效率和压缩、支持Lightmap烘焙光照、支持可破碎物体，以及对于光追场景或物理碰撞支持自动生成一些减面、高质量的替代Proxymesh。
另外通过这种方式，我们还可以用解析微分法决定像素误差，使误差肉眼不可见。最后，我们还高效支持了多光源投影，整个Nanite管线基于GPUdriven的管线产生，主要流程我会分这几个部分来讲。
为了让大量对象在场景上高效剔除，我们需要把所有场景数据都送到GPU上。其实从4.22开始，引擎就慢慢在不影响上层使用的情况下，在底层做出改进了，使渲染器成为retainedmode，维护了完整的GPUscene，Nanite在这个基础上做了大量新的工作。
Nanite中cluster的生成
接下来我们简单讲讲Nanite的工作机制。首先在模型导入时，我们会做一些预处理，比如按面的cluster做切分处理。有了这些cluster以后，我们就可以在距离拉远拉近时，做到对每个clustergroup同时切换，让肉眼看不到切换lod导致的误差，没有crack，同时还能对这些不同层级、细节的cluster做streaming，这其实就是Nanite最关键的部分。
cluster的生成主要分以下几步：首先，原始的meshlod0数据进来后，我们会做一个graphpartition，其条件例如我希望共享的边界尽可能少，这样我在lock边界做减面处理时，减面的质量会更高一些；
第二是我希望这些面积尽可能均匀、大小一致，这样我在lod计算误差处理投影到屏幕上时，都是对每个cluster或clustergroup一致处理。我们会把其中一组cluster合并成一个clustergroup，又一次按照“lock的边界尽可能少、面积尽可能均匀”的条件找出，一组组cluster生成group，对这个group内cluster的边解锁，等于把这组group看成一个大的cluster，然后对这组group做对半的减面。
减完面后，我们可以得到一个新的cluster误差，我会对这个减面的group重新做cluster划分。这时，cluster的数量在同一个group里其实就已经减半，然后我会计算每个新的cluster误差。大家要注意，这个过程是循环的，递归一直到最终值，对每个instance、模型只生成一个cluster为止。这里有一个比较关键的点：我们在减面生成每个cluster时，会通过减面算法(QEM)得到这个cluster的误差值并存下。
除此之外，我们还会存group的误差值，这个值其实就是更精细的那一级clustergroup里cluster的最大误差值，和我新一级里产生的每个cluster误差值取maximum得到的值。这样我就能保证这个cluster每次合并的group，去减面到上一级的group里的cluster时的误差值，永远是从不精细到精细慢慢上升的状态。
也就是说，我从最根结点的cluster慢慢到最细的cluster，里面的error一定是降序排序的。这一点很重要，因为它能保证后续选择culling和lod时，恰好是在一个cluster组成的DAG上。因为cluster会合并group，group生成打散以后在下一级里，又会有一个共享的cluster。
有了这个降序排列的误差，我就能保证这个DAG上有一刀很干净的cut，使我的边界一定是跨lod的clustergroup的边界。最后，我们对这个生成的各个lod层级的cluster分别生成bvh，再把所有lod的cluster的bvh的root，挂到总的bvhroot上。
当然，这里还有很多额外处理，我现在没有讲，是考虑到做streaming时的一些分页处理。这个分页可能会对clustergroup造成切割，所以clustergroup，还有一些grouppartition的概念，我们这里不做细化。
另外，对于一些微小物体离得很远以后的情况，我们减到最后一级cluster，其实它还是有个面，那如果场景里非常小的东西位于很远的地方，这又是一个模块化的构成。我们又不能直接把它culling掉，这种情况下，我们会有另外一种Imposteratlas的方式，这里我也不展开讲了。
Nanite裁剪流程
接下来，我们看看整个Nanite在GPU上做裁剪的总体流程，它分为两次裁剪以及光栅化。我们先用前一帧的HZB做了物件层级的Instance裁减，再做了分层级的，我刚刚说的bvh的cluster的分层级裁减。
最后裁减到它bvh的叶子节点，其实就是我们刚才说的clustergroup，然后再对其中的cluster做裁减。裁减完之后，我们就会有一个特殊的光栅化过程，然后我们就能得到新的DepthBuffer，重新构建HZB，再对这个新的HZB做一遍裁减。
前面那次HZB的可见性，我们用了上一帧可见的instance来做，做完之后形成新的HZB，我们再把上一帧不可见的，在这一帧内所有剩下的再做一遍，就能保守地保证没有什么问题。
重新经过光栅化后，生成到新的visibilitybuffer，再从visibilitybuffer经过materialpass，最终合入Gbuffer。具体做culling时会有一些问题，比如刚才cluster生成时我们说到过，生成clustergroup的bvh结构，我们在CPU上不会知道它有多少层。
也就是说，如果我要去做的话，CPU要发足够多的dispatch，这时比如小一点的物件，它空的dispatch就会很多，这种情况下GPU的利用率也会很低。
所以我们选择了一种叫persistentculling的方法，利用一个persistentthread去做culling，也就是只做一次dispatch，开足够多的线程，用一个简单的多生产者、多消费者的任务队列来喂满这些线程。
这些线程从队列里执行时，每个node会在做封层级别剔除的同时产生新的node，也就是bvhnode，Pushback回新的。在可见的children的列表里，我们一直处理这个列表，直到任务为空。
这里的处理分为几种类型：首先在一开始的node里，只有我们开始构建的bvh的节点，直到我一直做剔除，剔除到叶子节点以后，里面是个clustergroup，再进入下一级，就是这个group里面所有的clusterculling。最后cluster并行独立地判断，自己是否被culling掉，这里其实和刚刚lod选择的条件是一模一样的。
还记得我刚才说的error的单调性吧？因为这里的cluster中，所有lod都是混合在一起的，所以我们每个cluster在并行处理时，我不知道父级关系是什么样的，但我在每个cluster上存了自己的误差，和我整个group在父一级上的最大误差，所以这时我就知道，如果我自己的误差足够小，但是我Parent的误差不够小，我就不应该被culling掉。
同理，跟我共处一个clustergroup的这些节点，如果它在我上一级lod里，也就是比较粗的那一级里，那它的error一定不够大，所以上面那一级lod所在的整个group都会被抛弃掉，而选中下一个。
但是下一个里面，其实还是可能会有一些误差太大的——它的误差如果足够大，就意味着它在再下一级更精细的地方，肯定属于另外一个clustergroup。所以它又在下一级的clustergroup里又有一个边界，和它下一级的clustergroup边界接起来会没有接缝，整个cluster的选择就是这样并行做的。
同时，对应自己clustergroup的parent，刚刚我们说了，肯定会被剔除掉。这样就能保证我们能分clustergroup为边界，去对接不同lod层级的cluster，并使经过culling存活下来的cluster来到特殊的光栅化阶段。
Nanite中的光栅化
由于当前图形硬件假设了pixelshadingrate，肯定是高于triangle的，所以普通硬件光栅化处理器在处理非常的微小表面时，光栅化效率会很差，完整并行也只能一个时钟周期处理4个triangle，因为2x2像素的会有很多quadoverdraw，所以我们选择使用自己用
转载请注明：http://www.0431gb208.com/sjszyzl/5818.html
