《毁灭战士：黑暗时代》（DOOM: The Dark Ages）通过集成 RTX 神经渲染与路径追踪技术，将实时光线追踪图形表现提升至全新高度，为现代游戏在视觉品质与流畅体验之间的平衡树立了新的标杆。为了深入了解开发团队在应对这些技术挑战时的动机、解决方案与经验总结，我们采访了 id Software 的引擎技术总监 Billy Khan。
为什么 id Software 决定在《毁灭战士：黑暗时代》（DOOM: The Dark Ages）中引入路径追踪技术？
路径追踪是光线追踪视觉效果的自然演进，我们期待在 id Tech 8（即用于《毁灭战士：黑暗时代》的游戏引擎）中不断突破光照技术的改进边界。在商业发行的游戏中展现先进的视觉技术至关重要，其意义远超在精心设计的学术演示环境中呈现同类技术。
只有在将新渲染技术集成到已上市产品的限制条件下，确保其与现有渲染管线协同工作且不引入明显伪影，该技术才具备实际可行性。实现跨多种硬件配置的可扩展性是我们的核心目标。我们优先为当前及未来的高端 GPU 开发具有显著效果的功能，同时保证游戏在各类设备上均能保持出色表现。
与光线追踪相比，路径追踪在模拟真实光照效果方面具有更强的表现力，能够更准确地还原全局光照、软阴影、间接漫反射等复杂光学现象，从而生成更加逼真的图像
与光线追踪相比，路径追踪的计算成本更高，因为它是对现有光线追踪技术的进一步发展。尽管计算开销更大，但它能够实现更逼真、物理特性更准确的光照和表面着色效果。
相较于基于探针的光线追踪方案，动态 RTX 全局照明 在路径追踪方面具有更高的准确性。路径追踪能够更真实地表现表面的间接自发光效果，生成更自然柔和的阴影，并在粗糙表面上实现更精确的反射。总体而言，光线追踪已能带来出色的视觉效果，而路径追踪则进一步提升了画面品质与沉浸感。
是什么促使您的团队对 GPU 表面着色进行优化，并集成新的渲染解决方案？
在高性能、视觉复杂的场景中，优化表面着色与透明度处理至关重要。这些技术使 GPU 能够智能地重新安排着色任务，并跳过不必要的计算（例如，避免对被 alpha 测试几何体完全遮挡的像素进行处理），从而显著提升渲染效率。NVIDIA 的 Opacity Micro-Map（OMM）和 着色器执行重排序（SER）在优化 GPU 表面着色方面发挥着重要作用。我们已在路径追踪中通过着色器执行重排序实现了显著的性能提升。
OMM 和 SER 具有哪些优势？
Opacity Micro-Map 适用于所有涉及 Alpha 测试的图形工作负载，典型应用包括植被渲染和粒子系统。OMM 通过将微型三角形的透明度信息编码到较大的三角形上，来降低着色计算的频率。借助这些编码信息，系统能够识别出完全透明或完全不透明的像素，从而跳过不必要的着色过程，提升渲染效率。
另一方面，着色器执行重排序（SER）技术使 GPU 能够优化不同类型着色任务的执行顺序，从而提升复杂光照和材质场景中的运行效率。这两种技术已成为开发者在实现实时图形性能突破时广泛采用的重要工具。
实施路径追踪花费了多长时间？
从项目启动到完成，实现在《毁灭战士：黑暗时代》（DOOM: The Dark Ages）中的路径追踪技术并发布，大约耗时六个月。
您是否考虑在后续游戏中集成路径追踪技术？
路径追踪现已集成至 id Tech 8。我们将持续在这一领域推进研究与开发。与其他技术一样，我们会针对每款游戏的具体需求评估其适用性，以确保技术能够真正服务于游戏体验并为玩家带来价值。可以预见，路径追踪技术将持续演进，并在未来几年内被越来越多的游戏所采用。
DLSS 4 如何改变您提升画质与游戏性能的方式？
DLSS 4 引入了全新的 Transformer 模型，显著提升了在《毁灭战士：黑暗时代（DOOM: The Dark Ages）》中实现高分辨率渲染和降噪处理的能力。借助这一新型 Transformer 模型，路径追踪、超分辨率与光线重建技术得以协同运作，不仅优化了上采样像素的质量，还相较传统降噪方案进一步提升了整体性能。此外，DLSS 4 的多帧生成技术有助于增强画面流畅度，有效提高帧率，使其能够匹配甚至超越玩家显示设备的刷新能力。
DLSS 光线重建的重要性体现在哪些方面？
DLSS光线重建技术在有效降低路径追踪画面噪点的同时，保留了更多细节，显著提升了图像的清晰度与真实感。相比传统降噪方案，它在画质表现和性能效率上均实现了显著进步。我期待这一技术持续演进，让更广泛的设备能够实现更高视觉品质的游戏体验。
您能否解释一下，为什么基于 Transformer 的上采样模型在性能上优于传统的卷积神经网络（CNN）？
以下是三个要点。
- Transformer 模型能够更有效地融合空间与时间数据（如运动向量、深度信息和帧历史），从而在快速运动的场景中显著减少重影和其他伪影。
- 与通常局限于局部区域处理的 CNN 相比，Transformer 模型可以同时对所有像素进行评估和建模，使其在处理图像边缘时表现更优，有助于提升整体图像质量。
- 此外，Transformer 模型不仅具备模式识别能力，还能更精确地重建表面细节与物体形状，生成伪影更少、质量更高的上采样图像。
对于希望集成 AI 与路径追踪技术的开发者，您能否分享一些实用的建议或经验总结？
利用支持 AI 的 Transformer 模型实现超分辨率和降噪，可以在保持甚至提升图像质量与分辨率的同时，显著提高渲染性能。建议从常规光线追踪入手，深入了解其对渲染管线的影响。高质量的路径追踪解决方案通常建立在稳固的光线追踪基础设施之上，因为这类技术对 GPU 的性能要求更高。
应尽量减少着色器的总数并降低其复杂性，以实现良好的性能表现。由于几何图形需要存储在边界体积层次结构（BVH）中，采用光线追踪和路径追踪会带来更高的内存开销。需清楚理解BVH完全重建与增量更新之间的成本差异，后者在速度上可显著提升。同时，明确底层加速结构（BLAS）与顶层加速结构（TLAS）之间的关系也至关重要。光线追踪和路径追踪的高成本部分源于像素着色过程，而通过着色器执行顺序的优化重排，结合传统的着色优化手段，可在一定程度上缓解这一问题。
在游戏中引入神经网络渲染技术
如《毁灭战士：黑暗时代》（DOOM: The Dark Ages）所示，开发者通过神经渲染等创新技术，不断突破实时图形在性能与画质上的界限，同时推动技术进步并提升玩家体验。
单击此处，查看专为游戏开发者整理的神经渲染与人工智能资源完整列表。
