ソフトウェアラスタライザ

ラスタライザをソフトウェアで実装して3Dシーンのレンダリングの高速化を試みます
これは2026年8月22日に行われた Kernel/VM探検隊@東京 No19 での発表資料です
発表動画: https://youtu.be/ME1alNuvSjA
ソースコード : https://github.com/Fadis/gct/

Transcript

1. ソフトウェアラスタライザ 写真撮影 SNS投稿 動画切り抜き OK OK OK NAOMASA MATSUBAYASHI(@fadis_) https://github.com/Fadis/gct/
2. vkCmdDrawMeshTasksEXT タスクシェーダー メッシュシェーダー 頂点処理 ラスタライザ フラグメントシェーダー ピクセル処理 カラーブレンド グラフィクス パイプライン
3. vkCmdDrawMeshTasksEXT CPU タスクシェーダー メッシュシェーダー 頂点処理 ラスタライザ ここから ここまで 1 秒未満 60 フラグメントシェーダー ピクセル処理 GPU カラーブレンド
4. vkCmdDrawMeshTasksEXT タスクシェーダー メッシュシェーダー ハードウェア ラスタライザ 頂点処理 ラスタライザ フラグメントシェーダー ピクセル処理 GPU カラーブレンド
5. vkCmdDrawMeshTasksEXT スクリーン上の 塗る必要がある領域を 三角形で指定する タスクシェーダー メッシュシェーダー 頂点処理 ラスタライザ フラグメントシェーダー ピクセル処理 この範囲を塗りたい GPU カラーブレンド
6. vkCmdDrawMeshTasksEXT タスクシェーダー この範囲内には こんだけピクセルがある メッシュシェーダー 三角形の範囲内にある ピクセルを見つける 頂点処理 ラスタライザ フラグメントシェーダー ピクセル処理 この部分は専用ハードウェアで 処理を変更できない GPU カラーブレンド
7. vkCmdDrawMeshTasksEXT タスクシェーダー で、このピクセル 何色にするよ? メッシュシェーダー 頂点処理 ラスタライザ 各ピクセルを 何色で塗るかを決める フラグメントシェーダー ピクセル処理 GPU カラーブレンド
8. ビデオゲーム屋さんの 間に流れる噂
9. vkCmdDrawMeshTasksEXT タスクシェーダー ハードウェアラスタライザが遅い 状況によっては ソフトウェアでやったほうが速い おそい メッシュシェーダー 頂点処理 ラスタライザ フラグメントシェーダー ピクセル処理 カラーブレンド
10. 今回の目標 ソフトウェアラスタライザを使うと 速くなるか確かめる
11. 重心座標系
12. (0,1) (1,0) t (0,0) s
13. (0,1) 三角形の表面の 任意の位置を p = (0.48,0.17) (1,0) t 0から1の値で表せる (0,0) s
14. v2 1ピクセル v1 y x v0 スクリーン座標系
15. v2 y x t v0 1ピクセル s v1 重心座標系
16. v2 y x どんな三角形も重心座標系では 底辺1高さ1の直角三角形になる t v0 s v1
17. v2 y x t v 0 ある点が三角形の 内側になる条件 s ≥ 0かつ s v1
18. v2 y x t ≥ 0かつ t v 0 ある点が三角形の 内側になる条件 s ≥ 0かつ s v1
19. v2 y x t ≥ 0かつ t v 0 ある点が三角形の 内側になる条件 s ≥ 0かつ s s+t≤1 v1
20. v2 三角形の内側にある ピクセル y x s ≥ 0かつ ピクセルの中心 t ≥ 0かつ t v0 s s+t≤1 v1
21. v2 この四角形の範囲の外のピクセルは必ず三角形の外側 v1 v 0 四角形の内側のピクセルだけ重心座標系に変換して調べる
22. n2 頂点には法線等の 属性値が設定される t n 0 s n1
23. n2 t n 0 s n1
24. n2 t n 0 np p s n1 np = n0 + (n1 − n0) ps + (n2 − n0) pt
25. rasterization_state rasterization_init0( vec3 v0_view3, vec3 v1_view3, vec3 v2_view3, uint width, uint height ) { if( !rasterization_frustum_culling( v0_view3, v1_view3, v2_view3 ) ) { ... } vec2 v0_screen = rasterization_ndc_to_screen( v0_view3, width, height ); vec2 v1_screen = rasterization_ndc_to_screen( v1_view3, width, height ); vec2 v2_screen = rasterization_ndc_to_screen( v2_view3, width, height ); v0_screen -= vec2( 0.5f, 0.5f ); v1_screen -= vec2( 0.5f, 0.5f ); v2_screen -= vec2( 0.5f, 0.5f ); aabb2_type screen_space_bounding_box = aabb2_type( v0_screen, v0_screen ); aabb_append( screen_space_bounding_box, v1_screen ); aabb_append( screen_space_bounding_box, v2_screen ); screen_space_bounding_box = aabb_and( screen_space_bounding_box, aabb2_type( vec2( 0.0f, 0.0f ), vec2( width, height ) ) ); const ivec2 bounding_box_pixel_left_top = ivec2( ceil( screen_space_bounding_box.min ) ); const ivec2 bounding_box_pixel_count = ivec2( ceil( screen_space_bounding_box.max ) ) - bounding_box_pixel_left_top; return rasterization_state( bounding_box_pixel_left_top, bounding_box_pixel_count, vec2( 0.0, 0.0 ), 最小の四角形の範囲を求める スクリーン外のピクセルを 除外する
26. void rasterization_init1( inout rasterization_state state ) { if( state.inv_v0w == 0.0 ) return; const vec2 v_ab = state.v1_screen - state.v0_screen; const vec2 v_ac = state.v2_screen - state.v0_screen; const float factor = 1.0f / rasterization_cross2( v_ab, v_ac ); state.ds_dx = v_ac.y * factor; state.ds_dy = -v_ac.x * factor; state.dt_dx = -v_ab.y * factor; state.dt_dy = v_ab.x * factor; const vec2 bounding_box_left_top_pixel_pos = vec2( state.left_top_pixel.x - state.v0_screen.x, state.left_top_pixel.y - state.v0_screen.y ); state.left_top_pixel_pos_barycentric = vec2( ( bounding_box_left_top_pixel_pos.x * v_ac.y - bounding_box_left_top_pixel_pos.y * v_ac.x ) * factor, ( v_ab.x * bounding_box_left_top_pixel_pos.y - v_ab.y * bounding_box_left_top_pixel_pos.x ) * factor ); } 重心座標系への 変換行列を求める 0番目のピクセルの重心座標系での座標pを求める
27. rasterization_result rasterization_rasterize( rasterization_state state, uint index ) { const ivec2 pixel_in_bounding_box = ivec2( index % state.bounding_box_size.x, index / state.bounding_box_size.x ); if( pixel_in_bounding_box.y >= state.bounding_box_size.y ) { return rasterization_result( ivec2( 0, 0 ), vec2( 0, 0 ), 0, false ); } const float s = state.left_top_pixel_pos_barycentric.x + pixel_in_bounding_box.x * state.ds_dx + pixel_in_bounding_box.y * state.ds_dy; const float t = state.left_top_pixel_pos_barycentric.y + pixel_in_bounding_box.x * state.dt_dx + pixel_in_bounding_box.y * state.dt_dy; const float v = 1.0f - ( s + t ); if( s < 0.0f || t < 0.0f || v < 0.0f ) { return rasterization_result( ivec2( 0, 0 ), vec2( 0, 0 ), 0, false ); } const float inv_w = v * state.inv_v0w + s * state.inv_v1w + t * state.inv_v2w; float w = 1.0f / inv_w; return rasterization_result( state.left_top_pixel + pixel_in_bounding_box, vec2( s, t ), w, true ); } index番目のピクセルの 重心座標系での座標pを 求める 判定
28. float rasterization_interpolate( rasterization_state state, rasterization_result rast, float n0, float n1, float n2 ) { float n_ds = n1 - n0; float n_dt = n2 - n0; return n0 + rast.st.x * n_ds + rast.st.y * n_dt; } np = n0 + (n1 − n0) ps + (n2 − n0) pt
30. 透視投影
31. 近くの物はスクリーン上で大きく 遠くの物は スクリーン上で小さくなる 透視投影
32. −2.78 2.78 0 0 0 −1.30 0 4.94 0 0 = 7.63 0 0 −1.02 −1 0 0 −0.20 1 7.67 1 0 0 0 0.89 −0.45 0 0.45 0.89 0 0 −6.71 0 0 0 1 1 0 0 0 0 −0.20 0.98 0 0 −0.98 −0.20 0 0 0 0 1 −1 −1 0 1 ローカル座標 透視投影行列 スクリーン座標 カメラ行列 モデル行列
34. スクリーン 視点 面 の 角 表 形 三 スクリーンの各ピクセルを通り 三角形の表面に向かうレイ 視界
35. 点 視界
36. 点 い 広 狭 い 視界
37. ピクセルとサンプリング位置の関係は 線形ではない ∴単純に線形補間してはいけない 各ピクセルから テクスチャのこの位置が見える 視界
38. Perspective-Correct Interpolation Low, K., 2002. Technical writing, Department of Computer Science, University of North Carolina at Chapel Hill. Citeseer. https:// www.comp.nus.edu.sg/~lowkl/
39. n v2 2 n0 np p n1 v1 Perspective-Correct Interpolation v0 n0 n0 n1 n2 np = n0 + − ps + − pt wp (( w1 w0 ) ( w2 w0 ) ) 頂点座標v1のw成分 頂点座標v0のw成分 頂点座標v2のw成分 頂点座標v0のw成分 pのw成分
40. float rasterization_interpolate( rasterization_state state, rasterization_result rast, float n0, float n1, float n2 ) { float n_ds = n1 - n0; float n_dt = n2 - n0; return n0 + rast.st.x * n_ds + rast.st.y * n_dt; } float rasterization_perspective_correct_interpolate( rasterization_state state, rasterization_result rast, float n0, float n1, float n2 ) { n0 *= state.inv_v0w; n1 *= state.inv_v1w; n2 *= state.inv_v2w; float n_ds = n1 - n0; float n_dt = n2 - n0; return rast.w * ( n0 + rast.st.x * n_ds + rast.st.y * n_dt ); } 頂点属性の値を頂点座標のwで割る 線形補間後の値にピクセルの位置でのwを掛ける 修正前 修正後
42. vkCmdDrawMeshTasksEXT タスクシェーダー メッシュシェーダー 頂点処理 ラスタライザ フラグメントシェーダー ピクセル処理 カラーブレンド ハードウェアラスタライザを回避して メッシュシェーダーからフレームバッファに書き込み
43. メッシュシェーダーから フレームバッファに書く場合の悩み所 ロック
44. k+-buffer Per-Pixel Linked List(PPLL) k+-buffer: Fragment Synchronized k-buffer Real-time concurrent linked list construction on the GPU Andreas A. Vasilakis and Ioannis Fudos. 2014. K+-buffer: fragment synchronized k-buffer. In Proceedings of the 18th meeting of the ACM SIGGRAPH Symposium on Interactive 3D Graphics and Games (I3D '14). Association for Computing Machinery, New York, NY, USA, 143–150. https://doi.org/ 10.1145/2556700.2556702 Jason C. Yang, Justin Hensley, Holger Grün, and Nicolas Thibieroz. 2010. Real-time concurrent linked list construction on the GPU. In Proceedings of the 21st Eurographics conference on Rendering (EGSR'10). Eurographics Association, Goslar, DEU, 1297–1304. https:// doi.org/10.1111/j.1467-8659.2010.01725.x
45. vkCmdDrawMeshTasksEXT タスクシェーダー メッシュシェーダー 頂点処理 ラスタライザ フラグメントシェーダー ピクセル処理 カラーブレンド 遅延レンダリング
46. vkCmdDrawMeshTasksEXT タスクシェーダー メッシュシェーダー 頂点処理 ラスタライザ フラグメントシェーダー ピクセル処理 カラーブレンド Gバッファ
47. MeshTasksEXT vkCmdDispatch コンピュート パイプライン タスクシェーダー ュシェーダー タライザ ントシェーダー ーブレンド コンピュートシェーダー
48. MeshTasksEXT 利点: 並列度を上げられる 照明0 照明1 froxel AO タスクシェーダー ュシェーダー タライザ ントシェーダー ーブレンド 合成 被写界深度 ブルーム 色空間の変換とガンマ レンズ
49. シンプルな遅延レンダリング 欲しいレンダリング結果
50. もしも半透明の Gバッファにある情報 グラスが無かったら 半透明なグラスを 正しく描くには この情報が必要
51. k+-buffer Gバッファを nセット用意して 手前からn個の 物体の情報を 記録する
52. vkCmdDrawMeshTasksEXT タスクシェーダー メッシュシェーダー 頂点処理 ラスタライザ フラグメントシェーダー ピクセル処理 フラグメントシェーダーの カラーブレンド 出力を合成して フレームバッファに書く この部分は専用ハードウェアで処理を変更できない
53. vkCmdDrawMeshTasksEXT タスクシェーダー メッシュシェーダー 頂点処理 ラスタライザ フラグメントシェーダー ピクセル処理 カラーブレンド k+-bufferに必要な動きをさせる為に ハードウェアを回避
54. フラグメントシェーダー スレッド0 スレッド1 スレッド2 スレッド3 スレッド4 ⋯ k+-buffer 複数のスレッドが同じピクセルに 情報を書こうとしている
55. 新しい情報E(深度0.57)を k+-bufferの状態 書きたいスレッド1 A B C D 深度 0.13 0.35 0.8 0.92 A B C D 深度 0.13 0.35 0.8 0.92 ロード A B E C 更新 深度 0.13 0.35 0.57 0.8 ストア A B E C 深度 0.13 0.35 0.57 0.8
56. 新しい情報E(深度0.57)を k+-bufferの状態 書きたいスレッド1 新しい情報F(深度0.32)を 書きたいスレッド3 A B C D 深度 0.13 0.35 0.8 0.92 A B C D 深度 0.13 0.35 0.8 0.92 ロード A B E C 更新 深度 0.13 0.35 0.57 0.8 ロード A B C D 深度 0.13 0.35 0.8 0.92 A F B C 更新 深度 0.13 0.32 0.35 0.8 A F B C 深度 0.13 0.32 0.35 0.8 ストア A B E C 深度 0.13 0.35 0.57 0.8 ストア k+-bufferが 壊れる
57. フラグメントシェーダー スレッド0 スレッド1 スレッド2 スレッド3 スレッド4 ⋯ k+-buffer スレッド3はスレッド1がロックを手放すまで待機 排他制御が必要
58. VK_EXT_fragment_shader_interlock フラグメントシェーダーの 同じピクセルを操作する複数のスレッドが 同時にクリティカルセクションを 実行しないようになる https://docs.vulkan.org/refpages/latest/ refpages/source/ VK_EXT_fragment_shader_interlock.html
59. void main() { primitive_value p = read_primitive( ... ); if( p.albedo.a <= 0.0 ) discard; const uint visibility_index = instance_resource_index[ uint( input_id.x ) ].visibility; visibility_pool[ visibility_index ] = 1; const ivec2 image_pos = ivec2( gl_FragCoord.x, gl_FragCoord.y ); beginInvocationInterlockARB(); kplus_iter iter = kplus_begin( kplus_image( push_constants.gbuffer, push_constants.position ), image_pos, push_constants.gbuffer_format ); kplus_insert( iter, p, gl_FragCoord.z, input_id ); endInvocationInterlockARB(); } クリティカルセクション開始 k+-bufferを 更新 クリティカルセクション終了
60. VK_EXT_fragment_shader_interlock フラグメントシェーダーの 同じピクセルを操作する複数のスレッドが 同時にクリティカルセクションを 実行しないようになる この機能はフラグメントシェーダー専用 メッシュシェーダーから k+-bufferに書く場合使えない
61. for( uint i = 0u; i != candidate_pixel_count; ++i ) { rasterization_result rast_result = rasterization_rasterize( rast_state, i ); if( rast_result.valid ) { if( !fa_initialized ) { fa.vertex[ 0 ].position = wp0; fa.vertex[ 1 ].position = wp1; fa.vertex[ 2 ].position = wp2; fa.vertex[ 0 ].normal = ... fa.vertex[ 1 ].normal = ... fa.vertex[ 2 ].normal = ... fa.vertex[ 0 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 0 ].tangent.xyz ).xyz, f.vertex[ 0 ].tangent.w ); fa.vertex[ 1 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 1 ].tangent.xyz ).xyz, f.vertex[ 1 ].tangent.w ); fa.vertex[ 2 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 2 ].tangent.xyz ).xyz, f.vertex[ 2 ].tangent.w ); fa.vertex[ 0 ].texcoord = vec3( f.vertex[ 0 ].tex_coord0.xy, 0.0 ); fa.vertex[ 1 ].texcoord = vec3( f.vertex[ 1 ].tex_coord0.xy, 0.0 ); fa.vertex[ 2 ].texcoord = vec3( f.vertex[ 2 ].tex_coord0.xy, 0.0 ); id_vec = vec4( id.inst, id.prim, meshlet_id, f.primitive_id ); fa_initialized = true; } rasterizable_vertex_attribute va = rasterization_perspective_correct_interpolate( rast_state, rast_result, fa, push_constants.gbuffer_format ); float depth = rasterization_interpolate( rast_state, rast_result, v0_view.z*rast_state.inv_v0w, v1_view.z*rast_state.inv_v1w, v2_view.z*rast_state.inv_v2w ); primitive_value p = read_primitive( va, id_vec ); bool keep_waiting = true; while( keep_waiting ) { if( imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 1 ) ) != uint( 1 ) ) { kplus_iter iter = kplus_begin( kplus_image( push_constants.gbuffer, push_constants.position ), rast_result.pixel, push_constants.gbuffer_format, 0 ); kplus_insert( iter, p, depth, id_vec ); imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 0 ) ); keep_waiting = false; } } } } ラスタライズ atomic演算を使ったスピンロックで代用 頂点属性の補間 クリティカルセクション開始 k+-bufferを 更新 クリティカルセクション終了
62. ハードウェアラスタライザ ソフトウェアラスタライザ
63. ハードウェア ソフトウェア 1 1 GeForce RTX 4090 66.048 1 GeForce RTX 2080 14.049 1 Radeon 610M 14.525 0 17.5 35 52.5 70 ハードウェアラスタライザを使う場合を1とした相対的な実行時間
64. 三角形の内側にあるかもしれない for( uint i = 0u; i != candidate_pixel_count; ++i ) { rasterization_result rast_result = rasterization_rasterize( rast_state, i ); if( rast_result.valid ) { if( !fa_initialized ) { fa.vertex[ 0 ].position = wp0; fa.vertex[ 1 ].position = wp1; fa.vertex[ 2 ].position = wp2; fa.vertex[ 0 ].normal = ... fa.vertex[ 1 ].normal = ... fa.vertex[ 2 ].normal = ... fa.vertex[ 0 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 0 ].tangent.xyz ).xyz, f.vertex[ 0 ].tangent.w ); fa.vertex[ 1 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 1 ].tangent.xyz ).xyz, f.vertex[ 1 ].tangent.w ); fa.vertex[ 2 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 2 ].tangent.xyz ).xyz, f.vertex[ 2 ].tangent.w ); fa.vertex[ 0 ].texcoord = vec3( f.vertex[ 0 ].tex_coord0.xy, 0.0 ); fa.vertex[ 1 ].texcoord = vec3( f.vertex[ 1 ].tex_coord0.xy, 0.0 ); fa.vertex[ 2 ].texcoord = vec3( f.vertex[ 2 ].tex_coord0.xy, 0.0 ); id_vec = vec4( id.inst, id.prim, meshlet_id, f.primitive_id ); fa_initialized = true; } rasterizable_vertex_attribute va = rasterization_perspective_correct_interpolate( rast_state, rast_result, fa, push_constants.gbuffer_format ); float depth = rasterization_interpolate( rast_state, rast_result, v0_view.z*rast_state.inv_v0w, v1_view.z*rast_state.inv_v1w, v2_view.z*rast_state.inv_v2w ); primitive_value p = read_primitive( va, id_vec ); bool keep_waiting = true; while( keep_waiting ) { if( imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 1 ) ) != uint( 1 ) ) { kplus_iter iter = kplus_begin( kplus_image( push_constants.gbuffer, push_constants.position ), rast_result.pixel, push_constants.gbuffer_format, 0 ); kplus_insert( iter, p, depth, id_vec ); imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 0 ) ); keep_waiting = false; } } } } もしピクセルが 三角形の内側だったら ピクセルの数だけループ
65. スレッド0 スレッド1 スレッド2 スレッド3 スレッド4 GPU GPUは大量のスレッドで同時に計算する事で性能を稼ぐ
66. 1スレッド=1ピクセル 1スレッド=1三角形 スレッド0 スレッド1 スレッド2 スレッド3 スレッド4 スレッド0 ピクセル0 ピクセル1 ピクセル2 ピクセル3 ピクセル4 ピクセル0 スレッド1 スレッド2 スレッド3 スレッド4 ピクセル1 ピクセル2 ピクセル3 ピクセル4 GPU フラグメントシェーダーで処理 GPU メッシュシェーダーで処理
67. vkCmdDrawMeshTasksEXT タスクシェーダー ハードウェアラスタライザが遅い 状況によっては ソフトウェアでやったほうが速い おそい メッシュシェーダー 頂点処理 ラスタライザ フラグメントシェーダー ピクセル処理 カラーブレンド
68. 噂の源 Nanite in Unreal Engine https://dev.epicgames.com/documentation/ unreal-engine/nanite-in-unreal-engine
69. Naniteで行われている 最適化を解説している記事 Naniteは 大きい三角形をハードウェアで 小さい三角形をソフトウェアで ラスタライズしている https://medium.com/@GroundZer0/naniteoptimizations-in-unreal-engine-5-diving-intonanite-performance-a5e6cd19920c
70. Naniteで行われている 最適化を解説している記事 Naniteは 大きい三角形をハードウェアで 小さい三角形をソフトウェアで ラスタライズしている https://medium.com/@GroundZer0/naniteoptimizations-in-unreal-engine-5-diving-intonanite-performance-a5e6cd19920c この四角形の範囲内の false ピクセル数が2以上? true
71. 1ピクセル以下 1ピクセル以下 1ピクセル
72. 1ピクセル この三角形はどのピクセルとも重なっていない
73. 1ピクセル この三角形は1つのピクセルのみに重なっている
74. 1スレッド=1ピクセル 1スレッド=1三角形 スレッド0 スレッド1 スレッド2 スレッド3 スレッド4 スレッド0 スレッド1 スレッド2 スレッド3 スレッド4 三角形0の 三角形1の 三角形2の 三角形3の 三角形4の 三角形0の 三角形1の 三角形2の 三角形3の 三角形4の ピクセル0 ピクセル0 ピクセル0 ピクセル0 ピクセル0 ピクセル0 ピクセル0 ピクセル0 ピクセル0 ピクセル0 GPU フラグメントシェーダーで処理 GPU メッシュシェーダーで処理
75. 1ピクセル この状態の三角形はラスタライズ前に計算から除外して良い
76. 実装
77. const meshlet_reader reader = init_meshlet_reader( prim.mesh, meshlet_id ); const face_attribute f = read_face_attribute( reader ); const vec4 wp0 = l2w * f.vertex[ 0 ].position; const vec4 wp1 = l2w * f.vertex[ 1 ].position; const vec4 wp2 = l2w * f.vertex[ 2 ].position; const vec3 fn = normalize( cross( wp2.xyz - wp0.xyz, wp1.xyz - wp0.xyz ) ); const bool front = dot( fn.xyz, global_uniforms.eye_pos.xyz - wp0.xyz ) >= 0; bool visible = f.valid && ( prim.cull == 0 || front ); const vec4 v0_view = l2s * f.vertex[ 0 ].position; const vec4 v1_view = l2s * f.vertex[ 1 ].position; const vec4 v2_view = l2s * f.vertex[ 2 ].position; const ivec2 framebuffer_size = imageSize( image_pool_2dua_array[ push_constants.lock ] ).xy; rasterization_state rast_state = visible ? rasterization_init0( v0_view, v1_view, v2_view, framebuffer_size.x, framebuffer_size.y ) : rasterization_state( ... ); const uint candidate_pixel_count = rasterization_get_candidate_count( rast_state ); if( candidate_pixel_count == 0u ) { visible = false; } bool use_softrast = false; if( visible && candidate_pixel_count <= 1 ) { visible = false; use_softrast = true; } 頂点座標を 得る これを求める これの範囲内のピクセル数を得る
78. const meshlet_reader reader = init_meshlet_reader( prim.mesh, meshlet_id ); const face_attribute f = read_face_attribute( reader ); const vec4 wp0 = l2w * f.vertex[ 0 ].position; const vec4 wp1 = l2w * f.vertex[ 1 ].position; const vec4 wp2 = l2w * f.vertex[ 2 ].position; const vec3 fn = normalize( cross( wp2.xyz - wp0.xyz, wp1.xyz - wp0.xyz ) ); const bool front = dot( fn.xyz, global_uniforms.eye_pos.xyz - wp0.xyz ) >= 0; bool visible = f.valid && ( prim.cull == 0 || front ); const vec4 v0_view = l2s * f.vertex[ 0 ].position; const vec4 v1_view = l2s * f.vertex[ 1 ].position; const vec4 v2_view = l2s * f.vertex[ 2 ].position; const ivec2 framebuffer_size = imageSize( image_pool_2dua_array[ push_constants.lock ] ).xy; rasterization_state rast_state = visible ? rasterization_init0( v0_view, v1_view, v2_view, framebuffer_size.x, framebuffer_size.y ) : rasterization_state( ... ); const uint candidate_pixel_count = rasterization_get_candidate_count( rast_state ); if( candidate_pixel_count == 0u ) { visible = false; } bool use_softrast = false; if( visible && candidate_pixel_count <= 1 ) { visible = false; use_softrast = true; } 頂点座標を 得る これを求める これの範囲内のピクセル数を得る ピクセル数0だったら以降の処理を省略
79. const meshlet_reader reader = init_meshlet_reader( prim.mesh, meshlet_id ); const face_attribute f = read_face_attribute( reader ); const vec4 wp0 = l2w * f.vertex[ 0 ].position; const vec4 wp1 = l2w * f.vertex[ 1 ].position; const vec4 wp2 = l2w * f.vertex[ 2 ].position; const vec3 fn = normalize( cross( wp2.xyz - wp0.xyz, wp1.xyz - wp0.xyz ) ); const bool front = dot( fn.xyz, global_uniforms.eye_pos.xyz - wp0.xyz ) >= 0; bool visible = f.valid && ( prim.cull == 0 || front ); const vec4 v0_view = l2s * f.vertex[ 0 ].position; const vec4 v1_view = l2s * f.vertex[ 1 ].position; const vec4 v2_view = l2s * f.vertex[ 2 ].position; const ivec2 framebuffer_size = imageSize( image_pool_2dua_array[ push_constants.lock ] ).xy; rasterization_state rast_state = visible ? rasterization_init0( v0_view, v1_view, v2_view, framebuffer_size.x, framebuffer_size.y ) : rasterization_state( ... ); const uint candidate_pixel_count = rasterization_get_candidate_count( rast_state ); if( candidate_pixel_count == 0u ) { visible = false; } bool use_softrast = false; if( visible && candidate_pixel_count <= 1 ) { visible = false; use_softrast = true; } 頂点座標を 得る これを求める これの範囲内のピクセル数を得る ピクセル数0だったら以降の処理を省略 ピクセル数1だったら ソフトウェアラスタライザを使う
80. if( use_softrast ) { rasterization_init1( rast_state ); rasterizable_face_attribute fa; vec4 id_vec; rasterization_result rast_result = rasterization_rasterize( rast_state, 0 ); if( rast_result.valid ) { fa.vertex[ 0 ].position = wp0; fa.vertex[ 1 ].position = wp1; fa.vertex[ 2 ].position = wp2; fa.vertex[ 0 ].normal = ...; fa.vertex[ 1 ].normal = ...; fa.vertex[ 2 ].normal = ...; fa.vertex[ 0 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 0 ].tangent.xyz ).xyz, f.vertex[ 0 ].tangent.w ); fa.vertex[ 1 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 1 ].tangent.xyz ).xyz, f.vertex[ 1 ].tangent.w ); fa.vertex[ 2 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 2 ].tangent.xyz ).xyz, f.vertex[ 2 ].tangent.w ); fa.vertex[ 0 ].texcoord = vec3( f.vertex[ 0 ].tex_coord0.xy, 0.0 ); fa.vertex[ 1 ].texcoord = vec3( f.vertex[ 1 ].tex_coord0.xy, 0.0 ); fa.vertex[ 2 ].texcoord = vec3( f.vertex[ 2 ].tex_coord0.xy, 0.0 ); id_vec = vec4( id.inst, id.prim, meshlet_id, f.primitive_id ); rasterizable_vertex_attribute va = rasterization_perspective_correct_interpolate( rast_state, rast_result, fa, push_constants.gbuffer_format ); float depth = rasterization_interpolate( rast_state, rast_result, v0_view.z*rast_state.inv_v0w, v1_view.z*rast_state.inv_v1w, v2_view.z*rast_state.inv_v2w ); primitive_value p = read_primitive( va, id_vec ); bool keep_waiting = true; while( keep_waiting ) { if( imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 1 ) ) != uint( 1 ) ) { kplus_iter iter = kplus_begin( kplus_image( push_constants.gbuffer, push_constants.position ), rast_result.pixel, push_constants.gbuffer_format, 0 ); kplus_insert( iter, p, depth, id_vec ); imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 0 ) ); keep_waiting = false; } } } } 本当にピクセルの中心と 重なっているかチェック
81. if( use_softrast ) { rasterization_init1( rast_state ); rasterizable_face_attribute fa; vec4 id_vec; rasterization_result rast_result = rasterization_rasterize( rast_state, 0 ); if( rast_result.valid ) { fa.vertex[ 0 ].position = wp0; fa.vertex[ 1 ].position = wp1; fa.vertex[ 2 ].position = wp2; fa.vertex[ 0 ].normal = ...; fa.vertex[ 1 ].normal = ...; fa.vertex[ 2 ].normal = ...; fa.vertex[ 0 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 0 ].tangent.xyz ).xyz, f.vertex[ 0 ].tangent.w ); fa.vertex[ 1 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 1 ].tangent.xyz ).xyz, f.vertex[ 1 ].tangent.w ); fa.vertex[ 2 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 2 ].tangent.xyz ).xyz, f.vertex[ 2 ].tangent.w ); fa.vertex[ 0 ].texcoord = vec3( f.vertex[ 0 ].tex_coord0.xy, 0.0 ); fa.vertex[ 1 ].texcoord = vec3( f.vertex[ 1 ].tex_coord0.xy, 0.0 ); fa.vertex[ 2 ].texcoord = vec3( f.vertex[ 2 ].tex_coord0.xy, 0.0 ); id_vec = vec4( id.inst, id.prim, meshlet_id, f.primitive_id ); rasterizable_vertex_attribute va = rasterization_perspective_correct_interpolate( rast_state, rast_result, fa, push_constants.gbuffer_format ); float depth = rasterization_interpolate( rast_state, rast_result, v0_view.z*rast_state.inv_v0w, v1_view.z*rast_state.inv_v1w, v2_view.z*rast_state.inv_v2w ); primitive_value p = read_primitive( va, id_vec ); bool keep_waiting = true; while( keep_waiting ) { if( imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 1 ) ) != uint( 1 ) ) { kplus_iter iter = kplus_begin( kplus_image( push_constants.gbuffer, push_constants.position ), rast_result.pixel, push_constants.gbuffer_format, 0 ); kplus_insert( iter, p, depth, id_vec ); imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 0 ) ); keep_waiting = false; } } } } 重なっていたら 本当にピクセルの中心と 重なっているかチェック 頂点属性の補間 クリティカルセクション開始 k+-bufferを 更新 クリティカルセクション終了
83. ハードウェアラスタライザのみ 両方使用
84. ソフトウェアラスタライザで 描いた部分のみ 両方使用
85. 全てハードウェア 1ピクセル以下をソフトウェア 1 1 GeForce RTX 4090 1.258 1 GeForce RTX 2080 1.296 1 1.017 1 Radeon 610M Radeon RX 9070 GRE 0.566 1 Arc Pro B50 0.253 0 0.35 0.7 1.05 1.4 ハードウェアラスタライザのみを使う場合を1とした相対的な実行時間
86. 全てハードウェア 1ピクセル以下をソフトウェア 1 1 GeForce RTX 4090 1.258 1 GeForce RTX 2080 1.296 1 1.017 1 Radeon 610M Radeon RX 9070 GRE 0.566 1 Arc Pro B50 0.253 0 素直に速くなるGPU 0.35 0.7 1.05 1.4 何とかしないといけないGPU ハードウェアラスタライザのみを使う場合を1とした相対的な実行時間
87. if( use_softrast ) { rasterization_init1( rast_state ); rasterizable_face_attribute fa; vec4 id_vec; rasterization_result rast_result = rasterization_rasterize( rast_state, 0 ); if( rast_result.valid ) { fa.vertex[ 0 ].position = wp0; fa.vertex[ 1 ].position = wp1; fa.vertex[ 2 ].position = wp2; fa.vertex[ 0 ].normal = ...; fa.vertex[ 1 ].normal = ...; fa.vertex[ 2 ].normal = ...; fa.vertex[ 0 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 0 ].tangent.xyz ).xyz, f.vertex[ 0 ].tangent.w ); fa.vertex[ 1 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 1 ].tangent.xyz ).xyz, f.vertex[ 1 ].tangent.w ); fa.vertex[ 2 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 2 ].tangent.xyz ).xyz, f.vertex[ 2 ].tangent.w ); fa.vertex[ 0 ].texcoord = vec3( f.vertex[ 0 ].tex_coord0.xy, 0.0 ); fa.vertex[ 1 ].texcoord = vec3( f.vertex[ 1 ].tex_coord0.xy, 0.0 ); fa.vertex[ 2 ].texcoord = vec3( f.vertex[ 2 ].tex_coord0.xy, 0.0 ); id_vec = vec4( id.inst, id.prim, meshlet_id, f.primitive_id ); rasterizable_vertex_attribute va = rasterization_perspective_correct_interpolate( rast_state, rast_result, fa, push_constants.gbuffer_format ); float depth = rasterization_interpolate( rast_state, rast_result, v0_view.z*rast_state.inv_v0w, v1_view.z*rast_state.inv_v1w, v2_view.z*rast_state.inv_v2w ); primitive_value p = read_primitive( va, id_vec ); bool keep_waiting = true; while( keep_waiting ) { if( imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 1 ) ) != uint( 1 ) ) { kplus_iter iter = kplus_begin( kplus_image( push_constants.gbuffer, push_constants.position ), rast_result.pixel, push_constants.gbuffer_format, 0 ); kplus_insert( iter, p, depth, id_vec ); imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 0 ) ); keep_waiting = false; } } } } 省略1 この部分を省略
88. if( use_softrast ) { rasterization_init1( rast_state ); rasterizable_face_attribute fa; vec4 id_vec; rasterization_result rast_result = rasterization_rasterize( rast_state, 0 ); if( rast_result.valid ) { fa.vertex[ 0 ].position = wp0; fa.vertex[ 1 ].position = wp1; fa.vertex[ 2 ].position = wp2; fa.vertex[ 0 ].normal = ...; fa.vertex[ 1 ].normal = ...; fa.vertex[ 2 ].normal = ...; fa.vertex[ 0 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 0 ].tangent.xyz ).xyz, f.vertex[ 0 ].tangent.w ); fa.vertex[ 1 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 1 ].tangent.xyz ).xyz, f.vertex[ 1 ].tangent.w ); fa.vertex[ 2 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 2 ].tangent.xyz ).xyz, f.vertex[ 2 ].tangent.w ); fa.vertex[ 0 ].texcoord = vec3( f.vertex[ 0 ].tex_coord0.xy, 0.0 ); fa.vertex[ 1 ].texcoord = vec3( f.vertex[ 1 ].tex_coord0.xy, 0.0 ); fa.vertex[ 2 ].texcoord = vec3( f.vertex[ 2 ].tex_coord0.xy, 0.0 ); id_vec = vec4( id.inst, id.prim, meshlet_id, f.primitive_id ); rasterizable_vertex_attribute va = rasterization_perspective_correct_interpolate( rast_state, rast_result, fa, push_constants.gbuffer_format ); float depth = rasterization_interpolate( rast_state, rast_result, v0_view.z*rast_state.inv_v0w, v1_view.z*rast_state.inv_v1w, v2_view.z*rast_state.inv_v2w ); primitive_value p = read_primitive( va, id_vec ); bool keep_waiting = true; while( keep_waiting ) { if( imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 1 ) ) != uint( 1 ) ) { kplus_iter iter = kplus_begin( kplus_image( push_constants.gbuffer, push_constants.position ), rast_result.pixel, push_constants.gbuffer_format, 0 ); kplus_insert( iter, p, depth, id_vec ); imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 0 ) ); keep_waiting = false; } } } } 省略2 この部分を省略
89. if( use_softrast ) { rasterization_init1( rast_state ); rasterizable_face_attribute fa; vec4 id_vec; rasterization_result rast_result = rasterization_rasterize( rast_state, 0 ); if( rast_result.valid ) { fa.vertex[ 0 ].position = wp0; fa.vertex[ 1 ].position = wp1; fa.vertex[ 2 ].position = wp2; fa.vertex[ 0 ].normal = ...; fa.vertex[ 1 ].normal = ...; fa.vertex[ 2 ].normal = ...; fa.vertex[ 0 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 0 ].tangent.xyz ).xyz, f.vertex[ 0 ].tangent.w ); fa.vertex[ 1 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 1 ].tangent.xyz ).xyz, f.vertex[ 1 ].tangent.w ); fa.vertex[ 2 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 2 ].tangent.xyz ).xyz, f.vertex[ 2 ].tangent.w ); fa.vertex[ 0 ].texcoord = vec3( f.vertex[ 0 ].tex_coord0.xy, 0.0 ); fa.vertex[ 1 ].texcoord = vec3( f.vertex[ 1 ].tex_coord0.xy, 0.0 ); fa.vertex[ 2 ].texcoord = vec3( f.vertex[ 2 ].tex_coord0.xy, 0.0 ); id_vec = vec4( id.inst, id.prim, meshlet_id, f.primitive_id ); rasterizable_vertex_attribute va = rasterization_perspective_correct_interpolate( rast_state, rast_result, fa, push_constants.gbuffer_format ); float depth = rasterization_interpolate( rast_state, rast_result, v0_view.z*rast_state.inv_v0w, v1_view.z*rast_state.inv_v1w, v2_view.z*rast_state.inv_v2w ); primitive_value p = read_primitive( va, id_vec ); bool keep_waiting = true; while( keep_waiting ) { if( imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 1 ) ) != uint( 1 ) ) { kplus_iter iter = kplus_begin( kplus_image( push_constants.gbuffer, push_constants.position ), rast_result.pixel, push_constants.gbuffer_format, 0 ); kplus_insert( iter, p, depth, id_vec ); imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 0 ) ); keep_waiting = false; } } } } 省略3 この部分と この部分を省略
90. 全てハードウェア 1ピクセル以下をソフトウェア 省略1 省略2 省略3 1 1 GeForce RTX 4090 1.023 1 1.258 1.135 1.194 1.296 0.942 1.019 GeForce RTX 2080 1 1.017 0.97 0.995 0.972 1 Radeon 610M 0.566 0.53 0.549 0.523 Radeon RX 9070 GRE 1 0.253 0.193 0.194 0.236 Arc Pro B50 0 1.241 0.35 0.7 1.05 1.4 ハードウェアラスタライザのみを使う場合を1とした相対的な実行時間
91. 全てハードウェア 1ピクセル以下をソフトウェア 省略1 省略2 省略3 1 1 GeForce RTX 4090 1.023 1 1.258 1.135 1.194 1.296 0.942 1.019 GeForce RTX 2080 1 1.017 0.97 0.995 0.972 1 Radeon 610M 0.566 0.53 0.549 0.523 Radeon RX 9070 GRE 計算 1 0.253 0.193 0.194 0.236 Arc Pro B50 0 1.241 計算と書き込み ロック 0.35 0.7 1.05 1.4 ハードウェアラスタライザのみを使う場合を1とした相対的な実行時間
92. 1サブグループ (=32スレッド) の中に1つでも ソフトウェア ラスタライズする スレッドがあると 32スレッドの 完了が遅れる メッシュシェーダー メッシュレットをロード ⋯ 座標変換 ⋯ 背面カリング ⋯ 小さい三角形を判定 ⋯ ラスタライズ ⋯ k+バッファに書く ラスタライザ k+バッファに書く フラグメントシェーダー ⋯
93. if( use_softrast ) { rasterization_init1( rast_state ); rasterizable_face_attribute fa; vec4 id_vec; rasterization_result rast_result = rasterization_rasterize( rast_state, 0 ); if( rast_result.valid ) { fa.vertex[ 0 ].position = wp0; fa.vertex[ 1 ].position = wp1; fa.vertex[ 2 ].position = wp2; fa.vertex[ 0 ].normal = ...; fa.vertex[ 1 ].normal = ...; fa.vertex[ 2 ].normal = ...; fa.vertex[ 0 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 0 ].tangent.xyz ).xyz, f.vertex[ 0 ].tangent.w ); fa.vertex[ 1 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 1 ].tangent.xyz ).xyz, f.vertex[ 1 ].tangent.w ); fa.vertex[ 2 ].tangent = vec4( ( mat3(l2w) * f.vertex[ 2 ].tangent.xyz ).xyz, f.vertex[ 2 ].tangent.w ); fa.vertex[ 0 ].texcoord = vec3( f.vertex[ 0 ].tex_coord0.xy, 0.0 ); fa.vertex[ 1 ].texcoord = vec3( f.vertex[ 1 ].tex_coord0.xy, 0.0 ); fa.vertex[ 2 ].texcoord = vec3( f.vertex[ 2 ].tex_coord0.xy, 0.0 ); id_vec = vec4( id.inst, id.prim, meshlet_id, f.primitive_id ); rasterizable_vertex_attribute va = rasterization_perspective_correct_interpolate( rast_state, rast_result, fa, push_constants.gbuffer_format ); float depth = rasterization_interpolate( rast_state, rast_result, v0_view.z*rast_state.inv_v0w, v1_view.z*rast_state.inv_v1w, v2_view.z*rast_state.inv_v2w ); primitive_value p = read_primitive( va, id_vec ); bool keep_waiting = true; while( keep_waiting ) { if( imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 1 ) ) != uint( 1 ) ) { kplus_iter iter = kplus_begin( kplus_image( push_constants.gbuffer, push_constants.position ), rast_result.pixel, push_constants.gbuffer_format, 0 ); kplus_insert( iter, p, depth, id_vec ); imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 0 ) ); keep_waiting = false; } } } } この分岐の中の処理は できるだけ軽くしなければならない
94. ３つの頂点はどれもピクセルの中心に隣接している v2 1ピクセル p v0 v1
95. この狭い範囲では頂点属性は急激に変化しない n2 1ピクセル n1 n0
96. n0 ≃ n1 ≃ n2 ≃ np n2 1ピクセル np n1 n0
97. 三角形の内側かどうかを判定するために if( use_softrast ) { rasterizable_vertex_attribute va; vec4 id_vec; rasterization_result_simple rast_result = rasterization_rasterize_point( rast_state ); if( rast_result.valid ) { va.position = wp0; va.normal = fn; va.tangent = vec4( ( mat3(l2w) * f.vertex[ 0 ].tangent.xyz ).xyz, f.vertex[ 0 ].tangent.w ); va.texcoord = vec3( f.vertex[ 0 ].tex_coord0.xy, 0.0 ); id_vec = vec4( id.inst, id.prim, meshlet_id, f.primitive_id ); primitive_value p = read_primitive( va, id_vec ); bool keep_waiting = true; while( keep_waiting ) { if( imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 1 ) ) != uint( 1 ) ) { kplus_iter iter = kplus_begin( kplus_image( push_constants.gbuffer, push_constants.position ), rast_result.pixel, push_constants.gbuffer_format, 0 ); kplus_insert( iter, p, v0_view.z*rast_state.inv_v0w, id_vec ); imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 0 ) ); keep_waiting = false; } } } } ラスタライズはする np = n0 頂点属性の補間はしない
99. 頂点属性を補完する 頂点属性を補完しない
100. 全てハードウェア 1ピクセル以下をソフトウェア(補間なし) 1ピクセル以下をソフトウェア(補間あり) 1 1 1.258 1.31 GeForce RTX 4090 1 1.296 1.257 GeForce RTX 2080 1 1.017 1.017 1 Radeon 610M 0.566 0.559 Radeon RX 9070 GRE 1 0.253 Arc Pro B50 0 0.59 0.35 0.7 1.05 1.4 ハードウェアラスタライザのみを使う場合を1とした相対的な実行時間
101. 全てハードウェア 1ピクセル以下をソフトウェア(補間なし) 1ピクセル以下をソフトウェア(補間あり) 1 1 1.258 1.31 GeForce RTX 4090 1 1.296 1.257 GeForce RTX 2080 1 1.017 1.017 1 Radeon 610M 0.566 0.559 Radeon RX 9700 GRE 1 0.253 Arc Pro B50 0 0.59 0.35 0.7 1.05 これらのGPUではまだハードウェアラスタライザの方が速い 1.4
102. スレッド0 スレッド1 スレッド2 スレッド3 スレッド4 スレッド5 スレッド6 スレッド7 ここが混雑する スレッド8 ⋯
103. if( use_softrast ) { rasterizable_vertex_attribute va; vec4 id_vec; rasterization_result_simple rast_result = rasterization_rasterize_point( rast_state ); if( rast_result.valid ) { va.position = wp0; va.normal = fn; va.tangent = vec4( ( mat3(l2w) * f.vertex[ 0 ].tangent.xyz ).xyz, f.vertex[ 0 ].tangent.w ); va.texcoord = vec3( f.vertex[ 0 ].tex_coord0.xy, 0.0 ); id_vec = vec4( id.inst, id.prim, meshlet_id, f.primitive_id ); primitive_value p = read_primitive( va, id_vec ); bool keep_waiting = true; while( keep_waiting ) { if( imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 1 ) ) != uint( 1 ) ) { kplus_iter iter = kplus_begin( kplus_image( push_constants.gbuffer, push_constants.position ), rast_result.pixel, push_constants.gbuffer_format, 0 ); kplus_insert( iter, p, v0_view.z*rast_state.inv_v0w, id_vec ); imageAtomicExchange( image_pool_2dua[ push_constants.lock ], rast_result.pixel, uint( 0 ) ); keep_waiting = false; } } } } この関数の中で テクスチャサンプリングが行われる
104. const mat3 its = mat3( tangent_, binormal, normal_ ); normal = its * ( normalize( texture( texture_pool[ nonuniformEXT(prim.normal_texture) ], vert_texcoord ).rgb * vec3( prim.normal_scale, prim.normal_scale, 1 ) * 2.0 - 1.0 ) ); } else { normal = normal_; } テクスチャサンプリング const vec3 pos = vert_position.xyz; const vec4 albedo = ( prim.base_color_texture != 0 ) ? from_color_profile( texture_metadata_pool[ prim.base_color_texture ], texture( texture_pool[ nonuniformEXT(prim.base_color_texture) ], vert_texcoord ) ) : prim.base_color; const vec3 emissive = ( prim.emissive_texture != 0 ) ? from_color_profile( texture_metadata_pool[ prim.emissive_texture ], texture( texture_pool[ nonuniformEXT(prim.emissive_texture) ], vert_texcoord ).rgb ) : prim.emissive.rgb; float metallic; float roughness; if( prim.metallic_roughness_texture != 0 ) { vec4 mr = texture( texture_pool[ nonuniformEXT(prim.metallic_roughness_texture) ], vert_texcoord ); metallic = mr.b; roughness = mr.g; } else { metallic = prim.metallic; roughness = prim.roughness; } float occlusion = ( prim.occlusion_texture != 0 ) ? mix( 1 - prim.occlusion_strength, 1, texture( texture_pool[ nonuniformEXT(prim.occlusion_texture) ], vert_texcoord ).r ) : 1.0; const vec3 optflow = calc_optflow( vert_current_screeen_pos, vert_previous_screen_pos ); テクスチャサンプリング テクスチャサンプリング テクスチャサンプリング テクスチャサンプリング
105. メッシュシェーダー メッシュレットをロード ⋯ 座標変換 ⋯ 背面カリング ⋯ 小さい三角形を判定 ⋯ ラスタライズ ⋯ k+バッファに書く ラスタライザ k+バッファに書く フラグメントシェーダー ⋯ テクスチャサンプリングを行わずに 頂点属性をk+バッファに書く
106. コンピュートシェーダー メッシュシェーダー メッシュレットをロード ⋯ 座標変換 ⋯ 背面カリング ⋯ 小さい三角形を判定 ⋯ ラスタライズ ⋯ k+バッファに書く ラスタライザ k+バッファに書く フラグメントシェーダー ⋯
107. コンピュートシェーダー メッシュシェーダー メッシュレットをロード ⋯ 座標変換 ⋯ 背面カリング ⋯ 小さい三角形を判定 ⋯ ラスタライズ ⋯ k+バッファに書く ラスタライザ k+バッファに書く フラグメントシェーダー ⋯ k+バッファを完成させる
108. imageStore( image_pool_2d_array[ nonuniformEXT( iter.image.depth ) ], ivec3( iter.image_pos, iter.depth_offset + order.new_sample_index - 1 ), vec4( depth, 0.0, 0.0, 0.0 ) ); if( gbuffer_has_layer( iter.active_layer, GCT_GBUFFER_POSITION_DEPTH ) ) { imageStore( image_pool_2d_array[ nonuniformEXT( iter.image.gbuffer ) ], ivec3( iter.image_pos, iter.gbuffer_offset + ( order.new_sample_index - 1 ) * layer_count + gbuffer_get_layer( iter.active_layer, GCT_GBUFFER_POSITION_DEPTH ) ), vec4( p.position.xyz, depth ) ); } if( gbuffer_has_layer( iter.active_layer, GCT_GBUFFER_NORMAL ) ) { imageStore( image_pool_2d_array[ nonuniformEXT( iter.image.gbuffer ) ], ivec3( iter.image_pos, iter.gbuffer_offset + ( order.new_sample_index - 1 ) * layer_count + gbuffer_get_layer( iter.active_layer, GCT_GBUFFER_NORMAL ) ), vec4( p.normal, input_id.z ) ); } if( gbuffer_has_layer( iter.active_layer, GCT_GBUFFER_METALLIC_ROUGHNESS_ID ) ) { imageStore( image_pool_2d_array[ nonuniformEXT( iter.image.gbuffer ) ], ivec3( iter.image_pos, iter.gbuffer_offset + ( order.new_sample_index - 1 ) * layer_count + gbuffer_get_layer( iter.active_layer, GCT_GBUFFER_METALLIC_ROUGHNESS_ID ) 深度を書く 法線マップ適用前の法線を書く
109. image_pool_2d_array[ nonuniformEXT( iter.image.gbuffer ) ], ivec3( iter.image_pos, iter.gbuffer_offset + ( order.new_sample_index - 1 ) * layer_count + gbuffer_get_layer( iter.active_layer, GCT_GBUFFER_OPTFLOW_MARK ) ), p.optflow ); } if( gbuffer_has_layer( iter.active_layer, GCT_GBUFFER_TANGENT ) ) { imageStore( image_pool_2d_array[ nonuniformEXT( iter.image.gbuffer ) ], ivec3( iter.image_pos, iter.gbuffer_offset + ( order.new_sample_index - 1 ) * layer_count + gbuffer_get_layer( iter.active_layer, GCT_GBUFFER_TANGENT ) ), p.tangent ); } if( gbuffer_has_layer( iter.active_layer, GCT_GBUFFER_TEXCOORD0_TEXCOORD1 ) ) { imageStore( image_pool_2d_array[ nonuniformEXT( iter.image.gbuffer ) ], ivec3( iter.image_pos, iter.gbuffer_offset + ( order.new_sample_index - 1 ) * layer_count + gbuffer_get_layer( iter.active_layer, GCT_GBUFFER_TEXCOORD0_TEXCOORD1 ) ), vec4( p.texcoord.x, p.texcoord.y, p.texcoord.z, 0.0f ) ); } 接線を書く テクスチャ座標を書く
110. primitive_value read_primitive( uint primitive_id, vec4 vert_position, vec3 vert_normal, vec4 vert_tangent, vec3 vert_texcoord, vec4 vert_current_screeen_pos, vec4 vert_previous_screen_pos ) { const primitive_resource_index_type prim = primitive_resource_index[ primitive_id ]; const vec3 normal_ = normalize( vert_normal.xyz ); const vec3 tangent_ = normalize( vert_tangent.xyz ); vec3 normal; if( prim.normal_texture != 0 ) { const vec3 binormal = cross( tangent_, normal_ ) * vert_tangent.w; const mat3 its = mat3( tangent_, binormal, normal_ ); normal = its * ( normalize( textureLod( texture_pool[ nonuniformEXT(prim.normal_texture) ], vert_texcoord.xy, vert_texcoord.z ).rgb * vec3( prim.normal_scale, prim.normal_scale, 1 ) * 2.0 - 1.0 ) ); } else { normal = normal_; } const vec3 pos = vert_position.xyz; const vec4 albedo = ( prim.base_color_texture != 0 ) ? from_color_profile( texture_metadata_pool[ prim.base_color_texture ], textureLod( texture_pool[ nonuniformEXT(prim.base_color_texture) ], vert_texcoord.xy, vert_texcoord.z ) 法線マップを読んで 法線を修正
111. normal = normal_; } const vec3 pos = vert_position.xyz; const vec4 albedo = ( prim.base_color_texture != 0 ) ? from_color_profile( texture_metadata_pool[ prim.base_color_texture ], textureLod( texture_pool[ nonuniformEXT(prim.base_color_texture) ], vert_texcoord.xy, vert_texcoord.z ) ) : prim.base_color; const vec3 emissive = ( prim.emissive_texture != 0 ) ? from_color_profile( texture_metadata_pool[ prim.emissive_texture ], textureLod( texture_pool[ nonuniformEXT(prim.emissive_texture) ], vert_texcoord.xy, vert_texcoord.z ).rgb ) : prim.emissive.rgb; float metallic; float roughness; if( prim.metallic_roughness_texture != 0 ) { vec4 mr = textureLod( texture_pool[ nonuniformEXT(prim.metallic_roughness_texture) ], vert_texcoord.xy, vert_texcoord.z ); metallic = mr.b; roughness = mr.g; } else { metallic = prim.metallic; roughness = prim.roughness; } テクスチャから アルベドを読む テクスチャから マテリアルを読む
112. kplus_iter nearest_iter = iter; for( uint i = 0u; i != 4u; ++i ) { if( kplus_is_end( iter ) ) { break; } nearest_iter = iter; const vec4 normal_meshlet_id = kplus_get_normal_meshlet_id( iter ); const vec4 id = vec4( id_cache[ iter.layer ], normal_meshlet_id.w, 0.0f ); if( id.z != -1 ) { const vec3 texcoord = texcoord_cache[ iter.layer ].xyz; k+バッファの各ピクセルについて primitive_value p = read_primitive_excluding_albedo( uint( id.y ), kplus_get_pos_depth( iter ), normal_meshlet_id.xyz, kplus_get_tangent_face_id( iter ), texcoord.xyz, albedo_cache[ iter.layer ] ); kplus_insert_complement( iter, p, id ); テクスチャを読んで アルベド、法線、 マテリアルを求める 求めた値で k+バッファの内容を更新 } const uint visibility_index = instance_resource_index[ uint( id.x ) ].visibility; visibility_pool[ visibility_index ] = 1; iter = kplus_next( iter ); }
113. 全てハードウェア 1ピクセル以下をソフトウェア(補間なし) 1ピクセル以下をソフトウェア(補間あり) 1ピクセル以下をソフトウェア(補間なし+遅延) 1 1 1.258 1.31 1.174 1 1.296 1.257 1.429 1 1.017 1.017 1.077 1 GeForce RTX 4090 GeForce RTX 2080 Radeon 610M 0.566 0.559 Radeon RX 9070 GRE 0.253 Arc Pro B50 0 2.343 1 0.59 0.766 0.75 1.5 2.25 3 ハードウェアラスタライザのみを使う場合を1とした相対的な実行時間
114. 全てハードウェア 1ピクセル以下をソフトウェア(補間なし) 1ピクセル以下をソフトウェア(補間あり) 1ピクセル以下をソフトウェア(補間なし+遅延) 1 1 1.258 1.31 1.174 1 1.296 1.257 1.429 1 1.017 1.017 1.077 1 GeForce RTX 4090 GeForce RTX 2080 Radeon 610M 0.566 0.559 Radeon RX 9070 GRE 0.253 Arc Pro B50 0 このGPUは メッシュシェーダーから直接 テクスチャサンプリング した方が良い 2.343 1 0.59 0.766 0.75 1.5 2.25 3 ハードウェアラスタライザのみを使う場合を1とした相対的な実行時間
115. 全てハードウェア 1ピクセル以下をソフトウェア(補間なし) 1ピクセル以下をソフトウェア(補間あり) 1ピクセル以下をソフトウェア(補間なし+遅延) 1 1 1.258 1.31 1.174 1 1.296 1.257 1.429 1 1.017 1.017 1.077 1 GeForce RTX 4090 GeForce RTX 2080 Radeon 610M 0.566 0.559 Radeon RX 9070 GRE 0.253 Arc Pro B50 0 問題は どうやっても遅くなるこの辺 このGPUは メッシュシェーダーから直接 テクスチャサンプリング した方が良い 2.343 1 0.59 0.766 0.75 1.5 2.25 3 ハードウェアラスタライザのみを使う場合を1とした相対的な実行時間
116. 1920x1080 960x540
117. 補間なし+遅延 1080p 540p 270p 135p 1 1.174 1.137 1.101 1.068 GeForce RTX 4090 1.429 1.062 0.991 0.96 1.077 1.033 0.977 0.949 GeForce RTX 2080 Radeon 610M Radeon RX 9070 GRE 0.848 0.766 0.719 0.724 0.828 Arc Pro B50 0 0.6 2.343 1.629 0.99 1.2 1.8 2.4 ハードウェアラスタライザのみを使う場合を1とした相対的な実行時間
118. 解像度が下がると1ピクセル以下の三角形は増える 1920x1080 960x540 480x270 240x135 ハードウェア で処理 ソフトウェア で処理 破棄 ソフトウェア で処理
119. const meshlet_reader reader = init_meshlet_reader( prim.mesh, meshlet_id ); const face_attribute f = read_face_attribute( reader ); const vec4 wp0 = l2w * f.vertex[ 0 ].position; const vec4 wp1 = l2w * f.vertex[ 1 ].position; const vec4 wp2 = l2w * f.vertex[ 2 ].position; const vec3 fn = normalize( cross( wp2.xyz - wp0.xyz, wp1.xyz - wp0.xyz ) ); const bool front = dot( fn.xyz, global_uniforms.eye_pos.xyz - wp0.xyz ) >= 0; bool visible = f.valid && ( prim.cull == 0 || front ); const vec4 v0_view = l2s * f.vertex[ 0 ].position; const vec4 v1_view = l2s * f.vertex[ 1 ].position; const vec4 v2_view = l2s * f.vertex[ 2 ].position; const ivec2 framebuffer_size = imageSize( image_pool_2dua_array[ push_constants.lock ] ).xy; rasterization_state rast_state = visible ? rasterization_init0( v0_view, v1_view, v2_view, framebuffer_size.x, framebuffer_size.y ) : rasterization_state( ... ); const uint candidate_pixel_count = rasterization_get_candidate_count( rast_state ); if( candidate_pixel_count == 0u ) { visible = false; } bool use_softrast = false; if( visible && candidate_pixel_count <= 1 ) { visible = false; use_softrast = true; } ハードウェアで処理するか ソフトウェアで処理するかを 判定する処理
120. beginInvocationInterlockARB(); bool keep_waiting = true; while( keep_waiting ) { if( imageAtomicExchange( image_pool_2dua[ push_constants.lock ], image_pos, 1u ) != 1u ) { kplus_iter iter = kplus_begin( kplus_image( push_constants.gbuffer, push_constants.position ), image_pos, push_constants.gbuffer_format, 0 ); kplus_insert_lazy( iter, p, gl_FragCoord.z, input_id ); imageAtomicExchange( image_pool_2dua[ push_constants.lock ], image_pos, uint( 0 ) ); keep_waiting = false; } } endInvocationInterlockARB(); メッシュシェーダーからk+バッファに書けるように 追加したロック }
121. こうならないとソフトウェアラスタライザを使う意味がない < ソフトウェアラスタライザへの 分岐の判定とロックの オーバーヘッド 小さい三角形を ソフトウェアラスタライザで 処理する事による性能向上
122. こうならないとソフトウェアラスタライザを使う意味がない < ソフトウェアラスタライザへの 分岐の判定とロックの オーバーヘッド 小さい三角形を ソフトウェアラスタライザで 処理する事による性能向上 効果は1ピクセル以下の三角形の数に比例
123. メッシュの三角形の総数 4,421,163 メッシュレットカリングを通過した三角形の数 2,295,186 ハードウェアラスタライザに送られた三角形の数 365,224 ソフトウェアラスタライザに送られた三角形の数 107,359 小さすぎて見えないので破棄された三角形の数 445,664
124. メッシュの三角形の総数 10,809,928 メッシュレットカリングを通過した三角形の数 8,847,445 ハードウェアラスタライザに送られた三角形の数 2,012,906 ソフトウェアラスタライザに送られた三角形の数 869,119 小さすぎて見えないので破棄された三角形の数 5,195,719
125. 補間なし+遅延 1080p 540p 270p 135p 1 1.08 0.85 1.012 1.063 GeForce RTX 4090 0 0 GeForce RTX 2080 0 0 GPUのメモリが足りなくて計測不能 1.018 0.995 0.992 0.951 Radeon 610M Radeon RX 9070 GRE 0.99 0.848 1.629 2.343 0 0 Arc Pro B50 0 0 GPUのメモリが足りなくて計測不能 0 0.75 1.5 2.25 3 ハードウェアラスタライザのみを使う場合を1とした相対的な実行時間
126. 補間なし+遅延 1080p 540p 1 1.08 0.85 1.012 1.063 GeForce RTX 4090 270p 135p これ何とかならんか 0 0 GeForce RTX 2080 0 0 GPUのメモリが足りなくて計測不能 1.018 0.995 0.992 0.951 Radeon 610M Radeon RX 9070 GRE 0.99 0.848 0 0 Arc Pro B50 0 0 1.629 2.343 このGPUは遅延なしで速くなるので これは問題にはならない GPUのメモリが足りなくて計測不能 0 0.75 1.5 2.25 3 ハードウェアラスタライザのみを使う場合を1とした相対的な実行時間
127. メッシュシェーダー メッシュレットをロード ⋯ 座標変換 ⋯ 背面カリング ⋯ 小さい三角形を判定 ⋯ ラスタライズ ⋯ k+バッファに書く ラスタライザ k+バッファに書く フラグメントシェーダー ⋯ メッシュシェーダーから k+バッファに書く データを減らす
128. コンピュートシェーダー メッシュシェーダー メッシュレットをロード ⋯ 座標変換 ⋯ 背面カリング ⋯ 小さい三角形を判定 ⋯ ラスタライズ ⋯ k+バッファを完成させる 展開 k+バッファに書く ラスタライザ k+バッファに書く ⋯ n20t11b1で圧縮 フラグメントシェーダー 圧 縮
129. n20t11b1の詳細はこちら https://youtu.be/GGKHo4ZBLcQ
130. 法線 接線 x y x y z z b 圧 縮 n20t11b1
131. 48bit 法線 接線 x y x y 64bit 32bit z z b 圧 縮 n20t11b1 1 未満のサイズになる 3
132. 圧縮なし 圧縮あり
133. 補間なし+遅延+圧縮 1080p 540p 270p 135p 1 0.992 0.94 0.995 1.05 GeForce RTX 4090 0 0 GeForce RTX 2080 GPUのメモリが足りなくて計測不能 0 0 0.976 0.981 0.976 0.955 Radeon 610M 0 0.3 0.6 0.9 1.2 ハードウェアラスタライザのみを使う場合を1とした相対的な実行時間
134. まとめ ソフトウェアラスタライザで小さい三角形を処理すると 確かにハードウェアラスタライザより速くなる ただし効果はシーンの三角形の密度に依存し 効果的な計算方法はGPUによって異なる
135. 転職先募集中 GPUとLinuxのオタクの知識を 役立てられる仕事はありませんか 連絡先: r2026@quaternion.sakura.ne.jp