Grass plays an important role in most natural environments. Most
interactive applications use image-based techniques to approximate
fields of grass due to the high geometrical complexity, leading to visual artifacts. In this paper, we propose a grass-rendering technique
that is capable of drawing each blade of grass as geometrical object in real time. Accurate culling methods together with an adaptable rendering pipeline ensure that only the blades of grass that are
important for the visual appearance of the field of grass are rendered. In addition, we introduce a physical model that is evaluated
for each blade of grass. This enables that a blade of grass can react
to its environment by calculating the influence of gravity, wind and
collisions. A major advantage of our approach is that it can render fields of grass of arbitrary shape and spatial alignment. Thus,
in contrast to previous work, the blades of grass can be placed on
any 3D model, which is not required to be a flat surface or a height
map.

Real-Time Grass Rendering for General 3D Scenes

Git的压缩提交可以将多个提交commit压缩成一个，在工作中比较实用，原理是利用rebase的交互功能。

Git压缩提交

毕设笔记2 - 3D Gaussian Splatting是对NeRF技术的一种革新，通过精巧的利用3D高斯函数来改善传统NeRF在处理复杂场景时的效率和质量。这一方法不仅仅在于创建一个由3D高斯函数组成的点云来表示场景，还在于如何处理这些点云以达到高效的渲染。在3D Gaussian Splatting中，场景中的每一个点都被一个高斯函数表示，这个函数的峰值代表了点的位置，其宽度和方向由协方差矩阵控制，这使得渲染器可以捕捉到由于物体细微结构造成的细致阴影和光照变化。与此同时，球谐函数的使用允许每个点携带关于其颜色的信息，而不透明度参数则控制了点云中每个点的影响范围，即Splatting的大小。这使得3D Gaussian Splatting不仅可以处理光线在场景中的复杂交互，而且可以通过调整高斯函数的参数实时地优化这些交互，以生成高质量的图像。因此，3D Gaussian Splatting在保证图像质量的同时，大大提高了渲染的速度，解决了传统NeRF在实时渲染高质量图像时的瓶颈。在实际应用中，如实时图像合成、增强现实和虚拟现实等领域，3D Gaussian Splatting已展现出其巨大的潜力和实用价值。

3D Gaussian Splatting

uniform变量是一种从CPU向GPU发送数据的方式，常用于传递变换矩阵、光照参数、材质属性等。uniform变量可以在顶点着色器、片元着色器等着色器程序中使用，但它们在着色器执行期间保持不变。

Uniform Memory Layout

2008年，我在读小学一年级，秋游的时候来到了东部华侨城，被眼前的风景所震撼。复古的欧洲小镇风格，高耸入云的缆车轨道，庞大美丽的葡萄园……如今十多年没来了，正好没啥事情就想一个人走走，于是来到了东部华侨城茶溪谷。原本只是想看看茶溪谷还开着吗，所以没有在很晴朗的天气来，没想到只剩下小火车了。不过无所谓，过段时间我会再来，而且还把大峡谷逛一遍。

重返茶溪谷

为什么突然要做肠镜？前两天，述姐跟我聊天的时候聊到护肤，她说其实肠胃的健康程度影响皮肤也很深。我就突然想到自从去年开始我的右下腹部（应该是十二指肠那边）很胀，经常肠鸣有气体，当时耳朵的手术刚做完，就不想再去做检查了（对医院有些ptsd）。但已经一年了，并且志雄也说要检查，所以想想还是去做一下。于是第二天述姐陪我做了检查……

记录第一次做肠镜检查

引擎首先最重要的是图形API的交互，为了让自己对GPU编程有进一步的了解，本人选择了相对较难的Vulkan作为引擎的API。同时也是锻炼自己的设计模式和封装能力。对于实例的创建和渲染管线的搭建，需要的变量由Context（Vk上下文）来管理，他是一个单例。而其他的都有各自的Mgr。

引擎开发日志1 - Vulkan封装

毕设笔记1 - 
NeRF（Neural Radiance Fields）是一种用于3D场景重建和渲染的深度学习技术。它通过神经网络来学习场景的连续体积表示，能够从稀疏的图片集合中重建出高质量的3D场景，并从新的视角生成逼真的图像。
NeRF的核心思想是利用一个小型的神经网络来建模场景中每个点的颜色和密度。网络接受一个3D位置和一个视角方向作为输入，并输出该位置的颜色和体积密度。通过这种方式，NeRF能够学习到一个连续的、高度详细的场景表示，包括复杂的光照效果和半透明材质。
在渲染过程中，NeRF使用体积渲染技术来累积沿着从摄像机出发穿过场景的光线的贡献。这个过程涉及到对每条光线上多个点的神经网络评估，然后根据每个点的颜色和密度，使用数值积分来估计最终像素的颜色。
NeRF的创新之处在于其能够产生极其细致和逼真的渲染效果，即使是从非常有限的视角信息出发。然而，这种方法的主要缺点是计算成本高，尤其是在渲染时，因为需要对每一帧进行大量的网络评估和积分计算。尽管如此，NeRF及其变体在计算机视觉和图形学领域引起了极大的关注，为3D重建和虚拟现实等应用开辟了新的可能性。

Neural Radiance Fields

深度重建是图形学中常用到的技术，其存在的意义是减少显存的占用，并可能带来实现更多的屏幕空间算法。是一个常见的空间换时间的思路。

深度重建

Vulkan快速入门笔记，给学过GL和DX的同学准备的，同时也是自己的VK备忘录。建议有基础的同学阅读。

Vulkan Tutorial

环境光遮蔽（Ambient Occlusion）是一种加深场景中阴影的技术，早期是使用光线追踪的方法来实现的，近年来孤岛危机的开发商优化了这个算法，使得实时AO有了可能。

Ambient Occlusion

球谐函数是拉普拉斯在球面坐标上关于角度的解，在物理上广为使用，在图形学用于球谐光照。

球谐函数

本文推导了图形学常用到的两类投影的矩阵变换，采用的是OpenGL的标架。

投影矩阵

这次不是搬运以前的东西了，写一下这次秋招的总结吧。

2023年秋招总结

简单讲下CPU和GPU的差别。参考了AMD和NVIDIA的某次会议内容。

简谈GPU性能

本文从信号的角度讲解了傅里叶变换和快速傅里叶变换。

傅里叶变换

旋转矩阵是常用的旋转手段，但由于万向节死锁问题，现在普遍的游戏引擎采用的是四元数。

旋转变换

基于物理的渲染（PBR）是在渲染方程的基础上，对BRDF、BTDF函数赋予了特定的物理意义，使得渲染出的效果更加真实，能量更接近守恒。

基于物理的渲染

Phong和Blinn-Phong的经验模型过于经验，没有严谨的物理定义，所以计算机图形学急需要一个能够符合物理基本规律的光照知识，这就是辐射度量学提出的背景（基于物理光学）

光线追踪

彻底抛弃wordpress和hexo，notion建站简直不要太方便！

Hello, NotionNext!

知行合一

技术分享

心情随笔

友情链接

往期整理

历史归档

文章分类

文章标签

关于我

友链

Github

计算机图形学

数学

算法

信号系统

文字

健康

password

icon

date

type

slug

status

title

summary

Table

类型为Notice的文章将被显示为公告，仅 hexo和next支持；仅限一个公告