PCSS

A deeper look at pcffilter/convolution: $[\omega*f](p)=\sum_{q\in \mathcal{N}}^{}\omega(p,q)f(q)$ in PCSS: 实际上也是一个卷积运算来求得Visibility函数 $V(x)=\sum_{q\in \mathcal{N} (p)}^{}\omega(p,q)\cdot \chi^+[D_{SM}(q)-D_{sence}(x)]$ PCF是在图像（模型几何结构的二维投影）层面处理，而非是先shadow map之后再在shadow map上面做模糊。 Revisiting PCSSPCSS的完整算法 Step 1 Blocker Search 遮挡物搜索，在一个确切距离中得到平均遮挡深度。 Step 2 Penumbra Estimate 半影估计，用平均遮挡深度来决定filter size Step 3 Percentage Closer Filter 用产生的Adaptive filter size进行PCF 哪一步更慢？ 第一步和第三步，每 ...

Shadow Mapping 生成硬阴影2 pass Algorithm 渲染两边的算法 第一遍，从光源出发，生成sm（Shadow Map） 第二遍，从相机出发，使用sm检测其是否在阴影里 一个完全在图像中的算法: 优点：一旦图像已经生成，不需要知道图像的几何场景 缺点：会产生自遮挡现象，以及锯齿 自遮挡（self occlusion）：Shadow Map中的像素会把一个平面采样分成一块一块的阶梯状深度，但是在从相机出发而言，就会认为，地板之间会发生相互遮挡 处理：添加一个可变的Bias，如果不超出这个bias，就忽略遮挡的影响。（但也相应引入detached shadow不接触的阴影） 另一种方法：second-depth shadow mapping，记录次小深度，用中点深度进行遮挡比较。但是没人用，因为模型不能是全平面， 锯齿（Alias） 实时渲染不相信复杂度（哈哈哈哈）（只相信时间，RTR中常数也十分重要） Approximation in RTR实时渲染中的一个重要的约等于，主要是把积分中的两个函数拆开来： $\int_{\Omega}f(x)g(x) ...