Peta derivatif vs Peta Tangent Space Normal

11

Saya menemukan bahwa beberapa mesin menggunakan peta turunan alih-alih peta normal ruang singgung .

Setelah beberapa bacaan, tampaknya menjadi cara yang sangat hebat untuk mengganti norman ruang singgung tapi apakah ada beberapa kelemahan menggunakannya? Mengapa masih terus menggunakan norma ruang singgung?

Apakah mungkin membandingkan keduanya dengan keuntungan dan kerugian?

Tikar
sumber
Ada beberapa blog yang berbicara tentang turunan dan akan keren jika mendapat umpan balik dari orang-orang yang menerapkannya dalam mesin produksi mereka dan mengapa mereka memilih metode itu.
MaT
2
Salah satu faktor besar mengapa hal-hal tidak segera diadopsi adalah kelembaman dan solusi yang ada cukup baik.
ratchet freak

Jawaban:

4

Setelah beberapa penelitian dan beberapa jawaban dari para profesional di sini adalah kesimpulan saya.

Pro

  • Tidak memerlukan garis singgung atau binormal. Lebih sedikit interpolator.
  • Hanya butuh dua saluran. memori tekstur kurang.
  • Jangan menderita lipatan singgung.
  • Dapat dicampur menggunakan alpha blending, tanpa renormalisasi.
  • Kurang memori jala: Kita tidak perlu menyimpan vektor singgung.
  • Implementasi cepat.

Cons

  • Lebih banyak ALU
  • Kurang fleksibel. Peta normal dapat mewakili peta turunan apa pun, tetapi kebalikannya tidak benar. Sebagai contoh, ujung yang tajam bisa sulit untuk diwakili.

Jadi, itu banyak kelebihan dibandingkan dengan kontra. Tetapi masalah utama adalah bahwa itu bukan standar industri.
Hampir tidak ada alat pembuat konten atau keahlian artis.

Berikut adalah kutipan dari Bart Wronski yang menggambarkan dengan baik status terkini peta turunan:

Sedihnya dalam kehidupan / teknologi tidak selalu solusi terbaik menang / bahkan tidak mendapat perhatian yang layak ... Ini lebih tentang standar dan kelembaman.

Jika Anda tertarik untuk mengetahui lebih banyak tentang peta turunan, berikut adalah beberapa artikel menarik.

Jika saya lupa sesuatu atau jika Anda tidak setuju untuk memberi tahu di komentar, saya akan senang untuk memperbaiki jawaban ini.

Tikar
sumber
Beberapa pro Anda tampaknya tidak menggunakan ruang singgung yang dihitung sebelumnya (yaitu menurunkan ruang singgung dari turunan UV per-piksel), yang AFAIK merupakan pilihan desain terpisah, independen dari pilihan peta turunan vs peta normal.
Nathan Reed
Terima kasih atas komentarnya @NathanReed Apakah Anda berbicara tentang fakta menghitung garis singgung dan binormal? Bisakah Anda memberi tahu saya lebih lanjut tentang ruang singgung terkomputasi?
MaT
1

Saya berasumsi bahwa Anda menggunakan turunan peta ketinggian yang sudah dihitung sebelumnya daripada menghitungnya dengan cepat (untuk detail lihat posting ini di blog Mikkelsen). Jika kita perlu memasok turunan tinggi yang dihitung sebelumnya, maka kita harus memasok dua saluran, seperti peta normal. Orang dapat berargumen bahwa pemetaan turunan tidak memerlukan keberadaan atribut titik singgung seperti pemetaan normal, tetapi operasi diferensiasi ekstra pada peta ketinggian agak menihilkan kenaikan kinerja tersebut. Peta turunan adalah konsep yang keren, tetapi pada akhirnya saya tidak berpikir mereka secara signifikan lebih baik daripada pemetaan kinerja-bijaksana (meskipun secara konsep saya setuju bahwa peta turunan lebih mudah untuk bekerja dengan karena kita tidak harus berurusan dengan ruang singgung).

AnimatedRNG
sumber