NVIDIA在夏季的多场顶级图形大会上展示其如何为艺术家、创作者和游戏玩家推动实时路径追踪和内容创作工具的发展。

计算机图形和AI是NVIDIA的基石，两者的强强结合助力创作者距离实现实时渲染影院级3D图像的目标迈进。

在今年夏天举行的一系列图形学大会上，NVIDIA研究团队分享了实时路径追踪和内容创建方面的开创性工作，其中的大部分工作都是基于最先进的AI技术。这些项目使用推动实时渲染技术发展的新工具解决图形学领域最棘手的问题。

其中一个项目的目标是提高渲染光线在穿过毛皮或雾气等复杂素材时的真实性。另一个目标是帮助艺术家更轻松地将他们的创意设想转化为栩栩如生的模型和场景。

在本周举行的SIGGRAPH 2021大会以及最近举行的高性能图形学大会和欧洲图形学渲染研讨会上，这些研究进展突显了NVIDIA RTX GPU如何继续推进逼真实时图形学的前沿。

要想实时渲染逼真的图像，就必须对光线进行精准的模拟，按照物理世界中的光线规律进行建模。目前，路径追踪是已知的最有效的方法，而这需要消耗大量的计算资源，不过可以呈现出美轮美奂的图像。

NVIDIA RTX平台带有专门的光线追踪硬件和高性能Tensor Core，能够高效评估AI模型，堪称为这项任务的量身定制。但在有些情况下，创建高清渲染图像仍具有挑战性。

比如一只在树林中潜行的老虎。 

为了使一个场景完全逼真，创作者必须渲染复杂的照明效果，如反射、阴影和可见的薄雾。

在森林场景中，斑驳的阳光透过树叶，与浓雾中悬浮的水分子交织成朦胧的画面。之前的技术无法实时渲染云层、尘土飞扬的地面或雾气等逼真的图像。但是NVIDIA研究人员开发了一些技术，通常能够将这些现象的视觉效果计算效率提高10倍。

老虎本身既被阳光照耀，又被树木遮挡。当它穿过树林时，其倒影在下面的池塘中清晰可见。为了实现这种具有直接和间接反射的丰富视觉效果照明，需要为场景中的每个像素计算数千条路径。

这项任务耗费的资源过多，因此无法实时完成。为此，NVIDIA研究团队创建了一种路径采样算法，这种算法优先考虑最有可能对最终图像作出贡献的光线路径和反射，并且其图像渲染速度比之前快了100倍以上。

另外一组NVIDIA研究人员利用一种名为神经辐射缓存的新技术在全局照明方面取得了突破。这种方法同时使用了用于光线追踪的NVIDIA RT Core和用于AI加速的Tensor Core，在渲染动态场景的同时现场训练一个微小的神经网络。

该神经网络可以学习光线在整个场景中的分布情况。当在NVIDIA GeForce RTX 3090 GPU上运行时，它每秒可评估超过10亿次全局照明查询，以交互式帧率描绘老虎致密的皮毛，具有之前无法实现的丰富的光照细节。

随着渲染算法的进步，现有的3D内容必须跟上算法所能达到的复杂性和丰富性，这一点至关重要。

NVIDIA研究人员正在深入探索这一领域，开发各种支持内容创作者建立丰富、逼真3D环境模型的技术。其中的一个重点领域是具有高度几何复杂性的素材，而使用传统技术可能难以模拟这些材质。

Polo衫的编织式样、地毯的纹理或草叶的特征往往比一个像素小得多，因此很难有效地存储和渲染它们的表现形式。NVIDIA研究人员正在用NeRF-Tex解决这个问题，该方法使用神经网络来表现这些具有挑战性的素材并对它们对照明的反应进行编码。

复杂的几何物体在外观上也有差异，这取决于它们与观察者的距离。以一棵枝繁叶茂的树为例：距离近时，可以看到树枝、树叶和树皮上的大量细节；而距离远时，可能只能看到一团绿色。

虽然为场景中森林另一端的树渲染树皮和树叶细节消耗了大量时间，但在放大画面时，模型应尽可能地真实。

这是计算机图形学中的一个经典问题——LOD。艺术家们经常被这一挑战所困扰，他们为每个3D物体手动建立多个版本的模型以实现高效渲染。

NVIDIA研究人员开发了一种可以基于逆向渲染方法自动生成简化模型的新方法。通过该方法，创作者可以生成简化的模型。这些模型经过优化，看起来与原来的模型没有区别，但其几何复杂性却大大降低。

由全球200多名科学家组成的NVIDIA研究团队专注于AI、计算机图形、计算机视觉、自动驾驶汽车、机器人技术等领域。在8月9日至13日举行的SIGGRAPH会议上，NVIDIA研究人员将发表以下论文：

●    用于路径追踪的实时神经辐射缓存

●    神经场景图渲染

●    无偏移光线行进透射率估算器

●    StrokeStrip：笔划簇的关节参数化和拟合

北京时间8月10日晚上11点，NVIDIA在SIGGRAPH上发布了特别演讲，该演讲将发布NVIDIA的最新技术和演示等。北京时间8月11日上午7点30分，欢迎观看NVIDIA实时直播，了解NVIDIA研究团队如何创建AI驱动的数字化身。

在太平洋时间8月11日，NVIDIA专题讨论会将讨论电竞领域的实时图形挑战。