注视点渲染Foveated rendering是什么

简介: Foveated rendering听起来好像是非常复杂的技术。但实际上注视点(foveation)的底层概念非常直接。使用人注视屏幕的信息,可以减少生成场景的运算资源,方式是使用高分辨率渲染人眼观看的小区哉,而场景外的其它区域(人的四周)采用更小的分辨率和更少的细节。注视点渲染主要用于显示技术,如VR头显和AR眼镜,对些场景资源优化至关重要。

Foveated rendering听起来好像是非常复杂的技术。但实际上注视点(foveation)的底层概念非常直接。使用人注视屏幕的信息,可以减少生成场景的运算资源,方式是使用高分辨率渲染人眼观看的小区哉,而场景外的其它区域(人的四周)采用更小的分辨率和更少的细节。注视点渲染主要用于显示技术,如VR头显和AR眼镜,对些场景资源优化至关重要。

本文中作者会回答一个问题:什么是注视点渲染?我们会讨论动态注视点渲染、静态(或固定)注视点渲染,以及这些技术如何降低GPU的计算负载。还会讲到其姐妹概念-动态注视点传输如何了减少所需的网络带宽。

注视点渲染是一种设备性能优化技术,将资源集中于渲染人眼所注视的显示区域。该区域中的内容即刻以高分辨率渲染人眼注视的周边。其余的图像-人视角的外围以低分辨率进行渲染,减少渲染场景所用的资源,同时又让用户体验没有可见的损失。

2023112902201952.jpg

苹果展示了人眼渲染图像和汽车图展示了大脑是如何渲染内容的

注视点渲染成立是因为它模拟了人的视觉,以及我们的感知在视场中是如何降级的。我们的大脑渲染所看到的内容是通过焦点高分辨率(图示中的苹果)配合其它看到内容的中低分辨率完成的。

2023112902273415.jpg

VR头显中的固定注视点渲染

什么是静态(或固定)注视点渲染?

注视点渲染中的静态方式,或我们所称的固定注视点渲染,假定用户的焦点是屏幕的中央(有时就是这样的)。图示中展示了固定注视点渲染在VR头显是如何通过硬编码区域对屏幕进行划分的。假定的用户注意力区域(屏幕中心的白色区域)以100%进行渲染。灰色区域以中分辨率渲染,蓝色区域以低分辨率渲染,进而减少渲染整个场景所需的资源。可以在几乎所有设备上实现静态注视点渲染,极有可能看到一定程序的资源优化,但不一定能达到最优用户体验。早期镜片的外围变形使得我们有机会在本就会模糊的区域降低分辨率,但镜片的品质在提升,因此需要对整个视场进行高分辨率的渲染。

什么是动态注视点渲染?

2023112902384997.jpg

VR头显中的动态注视点渲染

动态注视点渲染利用人的实际注意力区域完整渲染图片的小区域(图中的白色区域),向外扩展为中(灰色区域)和低分辨率(浅蓝色),不产生品质和用户体验的降级。要实现动态注视点渲染,我们需要精准的、低延时的眼动追踪,可反复发送用户实时的准确注视点。我们对动态注视点渲染所做的一些基准测试结果非常优异。用Unity引擎对Pico头显所做一项测试中,GPU着色负载最高下降72%,平均下降60%。我们的测试显示帧率稳定性大幅提升,大启用了动态注视点渲染看一下吧每秒没掉到90帧以下。这对于用户于体验极佳。

动态注视点渲染的好处

因其可以降低处理负载,动态注视点渲染可以让GPU以更低温度运行,相应地会降低能耗,进而减少对冷却的需求以及降低风扇的噪音,提升了舒适度也延长了电池的寿命。

限定全分辨率渲染的区域降低了复杂着色器的负载,减少了渲染场景所花费的时间。空闲的资源可用于带来更真实的着色和更高级别的场景复杂度。

最重要的是动态注视点渲染(DFR)是一项提升指定硬件架构性能的优化技术。在实践中,DFR延长了独立头显上固定资源GPU的寿命,支持新兴内容和显示技术,并以更低的代价提供了逼真、沉浸式的用户体验。

什么是动态注视点传输?

动态注视点传输是轻量可穿戴设备得以实现的基石。随着设备越来越轻、资源越来越有限,低延时网络和设备外运算对很多应用都变得至关重要。一种降低设备和云端或边缘计算之间数据传输量的方式就是动态注意点传输。

动态注视点传输利用眼动追踪捕捉人眼的注视点,向远端处理器发送指令,根据人眼注视的区域以高、中、低分辨率渲染场景(与设备上的动态注视点渲染运行原理相同),从而降低每个场景在网络中所传输的数据量。

为何要实现注视点渲染?

注视点渲染是XR的一项核心技术。在设备上实现动态注视点渲染,需要有眼动追踪配件,相机、反光镜以及可以处理眼部机理的算法。这一技术需要实时发送精准的注视点,并且需要适用于使用设备的来自各地的人。对于商业设备,设计的方案要求能够利用动态注视点渲染开发高级应用的同时又不会大量地重复编程。

参考链接:https://www.tobii.com/blog/what-is-foveated-rendering

相关实践学习
在云上部署ChatGLM2-6B大模型(GPU版)
ChatGLM2-6B是由智谱AI及清华KEG实验室于2023年6月发布的中英双语对话开源大模型。通过本实验,可以学习如何配置AIGC开发环境,如何部署ChatGLM2-6B大模型。
相关文章
|
SQL 容灾 关系型数据库
让X不断延伸, 从跨AZ到跨Region再到跨Cloud
本文从“空间”这一维度,聊一聊PolarDB-X在跨空间部署能力上的不断发展和延伸,以及在不同空间范围下的高可用和容灾能力,并着重介绍一下最新的产品能力——GDN(Global Database Network)。
8716 23
|
11月前
|
前端开发 JavaScript
除了 jsPDF,还有哪些前端库可以用于生成 PDF?
【10月更文挑战第21天】这些前端库都有各自的特点和优势,你可以根据具体的项目需求、技术栈以及对功能的要求来选择合适的库。不同的库在使用方法、性能表现以及功能支持上可能会有所差异,需要根据实际情况进行评估和选择。
|
9月前
|
存储 缓存 Serverless
使用云存储构建云上推理平台
本文介绍了大模型分布式推理的工作流、IO分析、存储需求及解决方案。通过分布式缓存和P2P能力,优化了大规模并发场景下的模型加载与分发效率,提升了推理性能。NAS文件存储和OSS加速器在高并发读取和小模型缓存中表现出色,支持秒级加载和高效数据处理。阿里云存储为开发者提供了稳定、高效的推理环境,助力AI应用快速落地。
|
人工智能 编解码 算法
Stable Diffusion超详细教程!从0-1入门到进阶
本文提供了Stable Diffusion AI绘画工具的超详细入门到进阶教程,包括本地部署、界面基础、模型选择、ControlNet安装与使用,以及如何通过不断学习和调试提升使用效果。
Stable Diffusion超详细教程!从0-1入门到进阶
|
网络协议 中间件 Linux
SOME/IP概述2【SOME/IP的主要中间件功能+SOME/IP报文PDU的封装】
SOME/IP概述2【SOME/IP的主要中间件功能+SOME/IP报文PDU的封装】
841 115
SOME/IP概述2【SOME/IP的主要中间件功能+SOME/IP报文PDU的封装】
|
JSON 数据格式
Sublime Json 格式化
Sublime Json 格式化
306 0
|
计算机视觉
vs2017修改从父级或项目默认设置继承项
vs2017修改从父级或项目默认设置继承项
367 0
|
SoC
深入理解AMBA总线(二)APB slave设计
深入理解AMBA总线(二)APB slave设计
740 0