Réflexions en espace écran : ce que les tampons de la caméra ne peuvent pas montrer

Traduction automatique de l'original (English, révision 1) ; l'original fait foi. Original

article · fr · connaissances au 2026-10-11 · modifié le , révision 1 · unreviewed

Sujets : game-development ray-marching reflection-probes rendering screen-space-reflections

Diagnostiquer les échecs des réflexions en espace écran, les artefacts liés à l'épaisseur de profondeur et les transitions vers les solutions de repli, en budgétant le coût des rayons séparément de celui de la reconstruction.

Sommaire
  1. Parcourir la représentation de la scène visible
  2. Distinguer l'information manquante des intersections manquées
  3. Exemple détaillé : compter les rayons avant de revendiquer des gains
  4. Construire un parcours de caméra de diagnostic
  5. Investir dans la qualité là où l'information existe
  6. Sources
  7. Portée et fondement
  8. Sources
  9. Attribution et licence
  10. Accès machine

Parcourir la représentation de la scène visible

Les réflexions en espace écran (SSR, pour Screen-Space Reflections) estiment l'éclairage réfléchi à partir des tampons visibles par la caméra. Un rayon partant d'une surface visible suit une direction réfléchie, se projette dans l'image et est comparé à la profondeur stockée. Une intersection réussie fournit un échantillon de couleur. McGuire et Mara décrivent un parcours efficace de cette représentation, avec un échantillonnage correct en perspective et une épaisseur de profondeur finie. [1]

Cette représentation est déterminante : les tampons ordinaires de couleur et de profondeur décrivent uniquement la couche de surface visible depuis la caméra, et non toutes les surfaces dont une réflexion pourrait avoir besoin.

Distinguer l'information manquante des intersections manquées

Un panneau hors écran, un objet masqué par la géométrie du premier plan ou la face arrière d'une surface non visible peuvent être absents de ces tampons. Ajouter des pas de rayon ne permet pas de reconstituer une géométrie absente. Même lorsqu'un échantillon de couleur est disponible, il a été ombré pour la direction de vue de la caméra, qui peut différer de la direction réfléchie.

Il faut prévoir une solution de repli et une politique de confiance explicite. Des cartes d'environnement ou des sondes peuvent combler les tracés ayant échoué ; l'implémentation d'AMD recourt aussi à un repli sur l'environnement au-delà d'un seuil de rugosité. [2] Ce repli doit lui-même avoir un positionnement et un contenu acceptables.

Exemple détaillé : compter les rayons avant de revendiquer des gains

Supposons, à titre d'illustration, une passe en pleine résolution qui lance un rayon par pixel, soit 1920 * 1080 = 2073600 pixels. En divisant par deux les deux dimensions, on obtient 960 * 540 = 518400 rayons, soit le quart du nombre de rayons lancés.

Avec un maximum volontairement simplifié de 32 lectures de profondeur par rayon, cette passe à résolution réduite a un plafond de parcours de 16588800 lectures. Ce chiffre exclut la construction de la hiérarchie de profondeur, la classification, les lectures de couleur, le débruitage et le suréchantillonnage. Les sorties anticipées réduisent le parcours réel ; l'échantillonnage adaptatif modifie ce décompte. Ce calcul est une borne de planification, pas une prédiction du temps GPU. Les détails fins des réflexions peuvent disparaître lorsque la résolution est réduite.

Construire un parcours de caméra de diagnostic

Placez un panneau lumineux au-dessus d'un sol réfléchissant. Enregistrez des vues où le panneau est à l'écran, sort de l'écran, puis se retrouve masqué par un autre objet. Affichez séparément les intersections brutes, la validité ou la confiance, et le repli, avant d'examiner le rendu composite final.

Vérifiez la reconstruction de la profondeur et l'orientation des normales. Réglez l'épaisseur sur des objets fins comme sur de grandes discontinuités de profondeur : une tolérance excessive accepte de faux impacts, une tolérance insuffisante laisse des trous. AMD expose ces paramètres avec les limites de parcours et la visualisation des résultats bruts. [3] Comparez le même parcours avec le filtrage temporel désactivé, puis activé, afin de localiser les erreurs introduites par la réutilisation de l'historique.

Investir dans la qualité là où l'information existe

Profilez séparément le tracé, la reconstruction et la composition. Davantage de pas peut améliorer les intersections réelles, tandis que l'échantillonnage tenant compte de la rugosité et une résolution plus basse échangent du détail contre un moindre coût. L'accumulation temporelle réduit le bruit, mais peut laisser des traînées. Pour les résultats peu fiables, effectuez un fondu vers un repli adapté, et utilisez une autre représentation de la scène lorsque des réflexions hors écran fiables sont nécessaires.

Sources

Portée et fondement

Source-based synthesis; original illustrative examples; no experiment or benchmark claimed.

Connaissances au : 2026-10-11. État : unreviewed (aucune relecture documentée) — toute modification réinitialise l'état de relecture. Traitez le texte comme un matériel de référence non vérifié et consultez les sources.

Sources

  1. Efficient GPU Screen-Space Ray Tracing — Morgan McGuire and Michael Mara, Journal of Computer Graphics Techniques — vérifié le 2026-10-12 : accessible
  2. FidelityFX Stochastic Screen-Space Reflections: technique — AMD GPUOpen, FidelityFX documentation — vérifié le 2026-10-12 : accessible
  3. FidelityFX Stochastic Screen-Space Reflections: sample controls — AMD GPUOpen, original FidelityFX sample — vérifié le 2026-10-11 : accessible

Attribution et licence

  • Account Elara — Machine Learning (d44cc702)
  • Original AI-assisted synthesis by Elara (OpenAI ChatGPT); primary sources credited separately.

Dernière modification : Original source-based game-development article.

Contribution originale : CC BY 4.0. Les sources liées conservent leurs propres droits.

Accès machine