CPU在管线中一般做些什么？

​ GPU算力提升后远超CPU，我们希望把CPU端的计算放在GPU端，这也是行业一直在努力的方向。

​ 考虑一个传统管线，往往是一个个object来渲染，而在CPU端意味着你需要做这么几件事情：

• 选择LOD
• 根据object的AABB/Sphere Bounding等进行视锥剔除/远距离剔除/遮挡剔除。
• 设置PSO
• 最后做一次DrawCall

传统下怎么减少Draw call

虽然这个过程往往会有优化，也就是常说的怎么减少DrawCall：

• 比如Mesh合批，虽然预计算不影响运行时，但是Mesh大了后剔除粒度出现了问题，部分Mesh即使不在相机视线内也不会被剔除。

• GPU Instance一次绘制多个相同物体，把相同Mesh的物体batch起来等。我们需要一个单独的Instance buffer记录每个instance特有的数据比如Transfrom，MatId等，在VS中我们根据instance_Id来获取这些数据。缺点就是不支持不同Mesh之间的Instance合并。

Merge-Instancing

GPU Instance的问题在于不能不同Mesh间的Instance合并，Merge-Instancing技术就是为了解决这个问题提出的。即把Mesh合并在一起，一次DrawInstance但是会每次对缓冲区数据指针进行移动，以不断渲染下一个Mesh。如何知道当前渲染到哪儿个mesh了？如果我们可以让每个Mesh都有一样的顶点数$PerObjectVertexNum$，那么就可以直接 $当前定点数/PerObjectVertexNum$获取渲染到哪儿个Object了。

​ 然而我们每个物体显然不可能有有着一样的顶点数，因此我们需要Mesh Cluster，把一个物体拆成一堆有着相同定点数的Meshlet，下节我们会介绍。

​ 理论上讲使用Merge-Instancing可以使用一次DrawCall渲染整个场景(不考虑shader，贴图，其他渲染状态的限制)。

MeshCluster

​ 上文提到了Merge-instancing的问题主要在于每个Object定点数不一样，这节我们介绍MeshCluster，他把每个Object切分成了多个定点数相同的MeshCluster。有了MeshCluster我们获得了以下好处：

• 可以使用Merge-Instancing，实现减少大量DrawCall，理论上可以1次DrawCall渲染完成整个场景。
• 有了MeshCluster剔除粒度更细腻

​ 由于物体的粒度不同，对于一个超大的物体你往往很难剔除，并且物体大部分表面还很可能不再视锥空间中，粒度的不够导致了大量的浪费，我们希望粒度缩小一些从而剔除可以更加细，这个操作在CPU完全不可接受，因此GPU-Driven pipeline出现了。

​ 我们把mesh分为meshlet或者叫做MeshCluster，可以得到更精细的剔除效果，同时由于MeshCluster的顶点数相同，这意味着可以利用GPU Instancing(Merge-Instancing)一次Draw call解决。甚至你可以利用MultiRenderTarget分成几个不同的顶点数的Cluster分割。

​

​ 现在我们就可以把LOD/剔除利用ComputeShader这种gpu通用计算能力来解决。

GPU-Driven Rendering Pipeline

现在我们有了前置知识，发现很多事情都可以在GPU做，现在我们来提出GPU-Driven管线并梳理下。刺客信条大革命提出的GPU Driven Render Pipeline如下

COARSE FRUSTUM CULLING视锥粗剔除

​ 这一步剔除的单位是：实例物体Instance。育碧在这一步使用coarse quad tree culling放在了CPU上做，当然也可以放在GPU上做，主要还是根据项目实际情况来trade-off。

​ 通常这一步具体会做的剔除是：视锥体剔除和遮挡剔除

• 视锥体剔除，我们的场景都会被组织成四叉树，八叉树或者BVH树，我们可以利用这些加速结构快速的剔除不在视锥体内的instance。以前这一步都会在CPU端做，现在也可以使用ComputeShader在GPU中处理。
• 遮挡剔除
  • 高端渲染引擎都会在CPU端实现一个软光栅化器，这样就可以在CPU端做遮挡剔除。
  • 现代渲染引擎通常在GPU端利用Hierarchical Z-Buffering做遮挡剔除。

INSTANCE CULLING

​ 这一步剔除的单位是：实例物体Instance。前面的视锥/遮挡剔除在GPU做时就需要在这里做。

​ 同时这一步通过的instance生成Cluster chunk，因为instance中包含cluster的数量相差比较大，直接处理会造成wavefront/warp的浪费。GPU的warp/wavefront需要同步执行，而不同的工作负载导致线程间计算时间不均匀，进而降低了整体计算效率。因此大革命在上面又加了一层Chunk，先拆分成Chunk再拆分成Cluster。

CLUSTER CHUNK EXPANSION

每个Chunk包含不同Cluster

Cluster culling

​ 这一步剔除的单位是：Mesh Cluster

做了视锥剔除/遮挡剔除/背面剔除(即NormalCone剔除，如下图，对法线表示为一个范围)

三角面片剔除

每个Warp处理一个Mesh Cluster，每个Warp是64线程，所以在MeshCluster时我们也设置为64个顶点MeshCluster。

每个线程对一个三角形进行Culling：

• Orientation and Zero Area Culling：先是做背面剔除和零区域剔除(退化三角形)，然后做透视除法，转换到NDC空间。
• Depth Culling-Hi-z：这一步是做Hierarchical Z test ，快速对三角形面元做深度剔除。
• Small Primitive Culling：硬件在Fine Raster他会以quad进行测试，小三角形在以quad进行raster时，造成3倍ps性能的浪费，这里我们提前剔除掉小三角形。
• Frustum Culling：三角形面元级别的视锥剔除

Index buffer compaction

删除不需要的Instance drawcall调用

Multi-draw 间接绘制

​ 一切剔除完成，index buffer包含了我们想要回值的数据，接下来我们来提交DrawCall开始绘制吧！

​ 我们肯定不希望通过GPU将DrawCall参数回传给CPU，DX12提供了间接调用函数ExecuteIndirect，这个函数可以从command buffer中读取参数调用drawcall，这样我们只需要将drawcall的参数存储到command buffer中，然后在C++端调用ExecuteIndirect即可。

​

​

​ 考虑去除无用drawcall，我们不希望这些被剔除的instance也被调用，因此我们需要对drawcall进行压缩，删除那些不需要调用的drawcall。这个需要配合ExecuteIndirect函数的pCountBuffer参数来实现，pCountBuffer参数指定了ExecuteIndirect会调用多少次Drawcall。

​ 当然我们可以对每个instance做一次drawcall，也可以使用给indexbuffer索引标记下对应的instancing id，如果相同可以用一个drawcall，不过意义不大。

Ref

• GPU Driven Render Pipeline - 安柏霖的文章 - 知乎 https://zhuanlan.zhihu.com/p/37084925

• 《天涯明月刀》手游中用GPU Driven优化渲染效果 - 安柏霖的文章 - 知乎https://zhuanlan.zhihu.com/p/335325149

• 现代渲染引擎开发-GPU Driven Render Pipeline - mike的文章 - 知乎https://zhuanlan.zhihu.com/p/409244895

• 剔除：从软件到硬件 - 洛城的文章 - 知乎https://zhuanlan.zhihu.com/p/66407205

• 理解Nanite（一）：遮挡剔除 - GuardHei的文章 - 知乎 https://zhuanlan.zhihu.com/p/583245401
• Sig2015GPU-Driven Rendering Pipelines—https://advances.realtimerendering.com/s2015/aaltonenhaar_siggraph2015_combined_final_footer_220dpi.pdf