導(dǎo)語專家坐診欄目，是騰訊游戲?qū)W院專家團(tuán)打造的新欄目。面向行業(yè)中小團(tuán)隊，分享騰訊學(xué)院專家團(tuán)在過往指導(dǎo)中所提煉的共性問題總結(jié)。

本期分享嘉賓：KM，圖形圖像優(yōu)化渲染方面專家。

在ACT游戲中華麗的特效是不可或缺的部份，但渲染這類半透明特效時往往帶來的性能上的開銷，特別在最高畫質(zhì)打開HDR及MSAA后情況更為嚴(yán)重。本篇文章將從移動端GPU的運作特性分析半透明特效在高畫質(zhì)的設(shè)定下造成性能問題的原因，并分享一個在UE4中實現(xiàn)的優(yōu)化方案和結(jié)果。

移動端GPU運作特性

與桌上/主機(jī)GPU常見的IMR(Immediate-Mode Rendering)不同，現(xiàn)時市場上通用的移動端GPU(例如Adreno/Mali/PowerVR等)都采用了TBR（Tile Based Rendering)的方案來節(jié)省數(shù)據(jù)傳輸?shù)膸?#xff1b;借此減少訪問片外內(nèi)存(Off-chip/External Memory一個在移動平臺上十分消耗電量和耗時的操作)的次數(shù)。

盡管每個硬件廠商在實現(xiàn)TBR的細(xì)節(jié)上有所不同，但運作原理都大致如下：[1]
?

首先，GPU的Tiler會將畫面分成一個個二維的Tile(矩形區(qū)塊)。模型的頂點經(jīng)過Vertex Shader/Clipping/Back Face Culling以后會變成一個個屏幕空間的三角形，這些三角形會被緩存在一個Triangle Cache里面。假如某三角形需要在某個Tile里面繪制，那該Tile的Triangle List中存一個索引；以上步驟稱為Binning。

生成的Triangle Cache與Triangle List等數(shù)據(jù)會保存在System Memory中的Intermediate store內(nèi)。

當(dāng)一幀里所有的渲染命令都經(jīng)執(zhí)行完Vertex Shader并生成Triangle List后，GPU會把逐個Tile的Triangle List從System Memory傳回GPU內(nèi)并執(zhí)行Raster/Pixel Shader/Blending等運算。[2]
?

對GPU的性能影響

HDR/MSAA

GPU的On-Chip Memory有非常高的讀寫速度，能大大提升MSAA/Alpha混合的效率；但由于成本昂貴，因此On-Chip Memory的空間非常有限。例如從Google開源的Andriod驅(qū)動代碼中可以得知，即使是旗艦級的Adreno 630亦只有1 MiB的GMEM(即Adreno系列的GPU On-Chip Memory)。[3]

由于打開HDR與MSAA需要更多空間來保存渲染結(jié)果，GPU只能夠透過縮小Tile的尺寸來乎合On-Chip Memory的固定大小。進(jìn)行渲染的Tile數(shù)量會因此而增加。

換言之，從System Memory傳送Raster數(shù)據(jù)到GPU/把渲染結(jié)果從GPU傳回Framebuffer的次數(shù)會增加，為帶寬造成壓力及延遲(Latency)。[4]

例子：假如GPU On-Chip Memory大小為1MB同樣以1920 x 1080的分辨率16-bit Depth進(jìn)行渲染的情況下，使用LDR（RGBA)以及沒有MSAA，Framebuffer約需要：

·(1+1+1+1+2)Bytes 1 1920*1080=12441600 Bytes=11.87MB

·即需要拆分為~12個Tile來進(jìn)行渲染

而使用FP16 HDR以及打開4x MSAA Framebuffer約需要：

·(2+2+2+2+2)Bytes 4 1920*1080=82944000 Bytes=79.10MB

·即需要拆分為~80個Tile來進(jìn)行渲染

因此HDR+4x MSAA會比LDR的多消耗6倍帶寬。

Alpha混合

即使Alpha混合是在高速的On-Chip Memory內(nèi)進(jìn)行，但是帶Alpha混合的像素與像素之間不能啟用早期Early Z優(yōu)化，因此Overdraw的像素會對性能造成一定影響。

此外，手游賬號賣號平臺移動端GPU的Output Merger(或者ROP)進(jìn)行定點數(shù)(UNORM)的Alpha混合會比浮點數(shù)(FP16)有更佳的性能，因為一般的移動端GPU Output Merger都是模擬浮點數(shù)的混合。與此同時，移動端GPU在進(jìn)行MSAA的浮點數(shù)Alpha混合時是需要逐個樣本計算混合。即是說4x MSAA的FP16 Alpha混合每個Fragment便需要進(jìn)行4遍Alpha混合計算。[5]

UE4的移動端渲染管線

了解到移動端GPU的HDR及MSAA特性后，我們再分析一下UE4在移動端的渲染管線。

首先我們使用RenderDoc抓一幀的數(shù)據(jù)。

我們可以觀察到UE4是直接以FP16+MSAA的SceneColorMobile RT(Render Target)來渲染所有帶Translucency的物件(粒子系統(tǒng)/半透特效)。

之后會把FP16+MSAA的SceneColorMobile RT進(jìn)行Resolve，并運行后處理效果(此時只有HDR，不帶MSAA)。最后把后處理結(jié)果拷貝到屏幕的Back Buffer上并渲染UI/HUD等(這階段都不帶HDR與MSAA)。
?

因此在一個放置~70個Translucency Drawcall的場景中，Draw Time由~14 ms(不帶HDR/MSAA)上升到~20 ms(帶HDR&MSAA)。

優(yōu)化方案

MSAA的特性

由于MSAA的抗鋸齒效果是針對三角形的邊沿部分而設(shè)計，對使用貼圖定義透明度的特效基本上起不了什么作用。
?

[6]

所以優(yōu)化思路就是把半透明的特效先渲染到另一個沒有帶MSAA的Render Target(RT)內(nèi)，之后再以后處理的方式混合到場景內(nèi)。但這衍生另一個問題，如何在另一個RT渲染半透特效時使用現(xiàn)有場景的深度(Z-Buffer)來作Depth-Test呢？

移動端MSAA

在桌上GPU我們可以把帶MSAA的Z-Buffer Resolve到另一個相同尺寸但不帶MSAA的Buffer中，但移動端GPU一般都不帶這功能。

在移動端GPU，MSAA一般是先把MSAA樣本先暫存在On-Chip Memory之后馬上進(jìn)行Resolve，最后在整個Tile完成渲染時把結(jié)果傳回System Memory的RT內(nèi)。因此移動端的Color RT都不會帶MSAA樣本。

針對以上特性，UE4的移動端渲染管線在打開HDR(FP16)支持后會把已線性化的場景深度(Linear SceneDepth)直接保存到Color RT的Alpha通道內(nèi)，以便在后處理效果(例如

epth of Field/Sun Shaft)中能夠訪問場景深度。

因此在我們的方案中，是把Color RT的Alpha通道改為保存未線性化的深度(UE4是Reversed Z)，在渲染半透特效之前把SceneDepth以后處理的Shader復(fù)制到半透RT的Z-Buffer內(nèi)。
?

/ MobileBasePassVertexShader.usf

Output.BasePassInterpolants.PixelPosition.w = Output.Position.z / Output.Position.w;

void TranslucentSetupPS_ES2(

? ? float4 InUVs[2] : TEXCOORD0,

? ? out float OutDepth : SV_Depth,

? ? out half4 OutColor : SV_Target0

? ? )

{

? ? OutColor = half4(0, 0, 0, 1);

? ? OutDepth = SceneColorTexture.Sample(SceneColorTextureSampler, InUVs[0].xy).w;

}

復(fù)制代碼

跨RT的Alpha混合

另一個需要解決的問題是如何把半透RT的Alpha混合結(jié)果再次混合到場景RT內(nèi)。

假如我們需要混合三個輸出的像素s1,s2,s3,其Alpha值為a1,a2,a3，當(dāng)前Framebuffer的顏色是d0；混合結(jié)果為d1,d2,d3：

d1=d0*(1-a1)+s1*a1;

d2=d1*(1-a2)+s2*a2;

d3=d2*(1-a3)+s3*a3;

把以上公式分別以上一步代入：

d2=[d0*(1-a1)*(1-a2)]+[s1*a1*(1-a2)+s2*a2];

d3=[d0*(1-a1)*(1-a2)*(1-a3)]+[s1*a1*(1-a2)+s2*a2]*(1-a3)+s3*a3;

從d3的公式我們可以觀察到d3是由兩個部分相加而成:

·[d0*(1-a1)*(1-a2)*(1-a3)]

·[s1*a1*(1-a2)+s2*a2]*(1-a3)+s3*a3

因此我們以半透RT的

·Alpha通道保存fx.a=(1-a1)*(1-a2)*(1-a3)

·RGB通道則保存fx.rgb=[s1*a1*(1-a2)+s2*a2]*(1-a3)+s3*a3

·對應(yīng)渲染特效的Blending Factors則設(shè)為：

·AlphaBlendEnable=true;

·SrcBlend=SrcAlpha;

·DestBlend=InvSrcAlpha;

·SeparateAlphaBlendEnable=true;

·SrcBlendAlpha=Zero;

·DestBlendAlpha=InvSrcAlpha;

最后便可以透過d0*fx.a+fx.rgb；把特效混合回場景的RT內(nèi)。[7]

其他細(xì)節(jié)

·為了在中端機(jī)型上也能夠支持渲染大量的半透特效，我們會進(jìn)一步把半透RT的面積調(diào)整至場景RT的1/4大小(即W/2及H/2)。由于我們項目的鏡頭與場景距離不近，一般較難察覺Bleeding的缺陷，把半透RT混合到場景RT基于性能考慮，我們只采用了雙線性過濾(Bilinear Filtering)。

·由于在移動端GPU的浮點數(shù)Alpha混合比較慢(在S820上以1280 x 720進(jìn)行全屏的FP16 Alpha混合占用~2ms)，因此我們選擇在后處理的Tone Mapping階段把半透與場景RT混合。

結(jié)果

優(yōu)化后的渲染管線
?

性能

在Snapdragon 820(Adreno 530)的手機(jī)中錄得以下結(jié)果:
?

此外，我們發(fā)現(xiàn)在一些更低階的移動GPU(例如Snapdragon 650的Adreno 510)上，使用半透RT的優(yōu)化效果會更顯著。

總結(jié)

本文分析了移動端GPU的運作特性，以及半透特效為何在打開HDR及MSAA之后會造成性能問題的原因；亦建議了一個在虛幻4引擎中的優(yōu)化方案。

由于現(xiàn)時的方案是把所有的半透Draw Call全都渲染到另一個RT，在使用1/4面積的情況下一些非特效的半透物件(例如Billboard樹，植皮…等)會顯示得比較模糊。因此這類物件建議在Editor中標(biāo)注為以Alpha to Converage的方式直接渲染到場景RT里。

另外，在現(xiàn)時方案中，當(dāng)使用一半大小的半透RT時會有場景像素“漏”(Leaking)到特效里的情況，這可以透過在復(fù)制Scene Depth到半透RT的Z-Buffer時加上采鄰近2x2的Scene Depth的最大值來解決。但我們的項目因為性能的考慮沒有加入這個功能。

參考

[1]三星：移動端GPU Tiler運作原理
[2]三星：移動端GPU架構(gòu)簡介
[3]Google開源的Adreno驅(qū)動:第373行
[4]Occlus Rift Adreno的開發(fā)注意事項
[5]ARM:registered:Mali:tm:Application Developer Best Practices:JUST14
[6]戰(zhàn)神系列(God of War)Lead Graphics Programmer關(guān)于MSAA運作原理的文章
[7]GPU Gems 3中關(guān)于Off-screen Particles的文章
[8]CSDN-Adreno GPU Architecture

總結(jié)

以上是生活随笔為你收集整理的手游特效太多怎么办？这里有一份性能优化方案可参考的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。