WedX - журнал о программировании и компьютерных науках

Применять мультисэмплинг/сглаживание для определенных вызовов отрисовки, а не для всех

Я знаю, что могу применить множественную выборку, установив количество выборок, например, 4, и настроив этап растеризатора, чтобы применить к нему множественную выборку. Это прекрасно работает, но прямо сейчас я хочу применить множественную выборку только к подмножеству вызовов отрисовки, которые я делаю. Как я могу это сделать?

В псевдокоде я хочу добиться этого:

> build vertices data for a simple triangle
> map and copy vertices data to device
> send draw call to device which does NOT apply anti aliasing

> build vertices data for a simple rectangle
> map and copy vertices data to device
> send draw call to device which applies multisampling/antialiasing

Заранее благодарю за любую помощь!


Ответы:


1

В Direct3D 11 есть состояние растеризатора, называемое D3D11_RASTERIZER_DESC.MultisampleEnable. Однако стоит отметить, что это только отключает мультисэмпловый рендеринг в Direct3D Feature Level 9.x и 10.0. На аппаратном обеспечении Direct3D Feature Level 10.1 или более поздней версии он ничего не делает, чтобы изменить способ рендеринга точек или треугольников для целей рендеринга с числом выборок больше 1. Вместо этого он устанавливает линейный алгоритм в сочетании с AntialiasedLineEnable, о котором вы можете прочитать на MSDN.

Другими словами, если вы выполняете рендеринг на поверхность MSAA, в большинстве случаев она будет мультисэмплированной. Вопрос в следующем: чего вы на самом деле пытаетесь достичь здесь?

25.11.2017
  • Я делаю некоторое программное обеспечение для наложения поверх 3D-мишеней. Но поскольку их устройство уже инициализировано, а у некоторых определено только количество выборок, равное 1, мне нужен способ сообщить графическому устройству, чтобы оно применяло, например, 4-кратную множественную выборку только к моим вызовам отрисовки. Не затрагивая целевую 3d программу. 26.11.2017

  • 2

    Как объяснил Чак Уолборн, невозможно смешивать рендеринг с одной и несколькими выборками для одной и той же цели рендеринга. Тем не менее, вы можете преобразовать мультисэмплированный контент в текстуру и преобразовать его в одиночный сэмпл. Вы можете визуализировать эту текстуру на цель рендеринга с одной выборкой.

    Метод преобразования ресурса с множественной выборкой в ​​ресурс с одиночной выборкой — ID3D11DeviceContext::ResolveSubresource().

    21.12.2017
    Новые материалы

    Объяснение документов 02: BERT
    BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..


    Для любых предложений по сайту: wedx@cp9.ru