四、纹理压缩

我们前面提到的技术包括用 SH 计算车漆的高光反射、使用 IBL 纹理计算环境反射、使用光照贴图在场景中保存烘焙的全局光照（Global Illumination，GI），以及通过自动亮度调整来获得更好的光照。我们还有潜在可见性数据（Potential Visibility Data），虽然在本次演讲中没有提到，但是在游戏中也有应用。很明显，所有这些技术的关键词都是烘焙。

烘焙会导致包体过大。游戏6GB的包体中，超过 80% 的内容都是贴图。

我们检查了贴图内容，以下面为例，包体里包含 PBR 渲染所需的三张贴图。我们注意到这三张贴图非常相似，都包含了Window （具有透明度的表面区域）。

其次，它们都包含了三角形。法线贴图上的三角形虽然不明显，但确实存在。

我们的想法是，既然这些 PBR 参数都存在相同部分，那么相同部分其是冗余数据，如果我们能减去相关性，就可以节省空间。

我们用 PCA （主成分分析）来消除相关性。我会通过一个简单的二维空间示例演示 PCA 的工作原理。

假设我们有一个包含许多红点的XY 平面，我们需要用二维变量来描述这些红点。但是如果我们能找到一条穿过所有红点的直线，就可以将数据从二维空间转换到一维空间。而 PCA 的作用就是找到这条直线。

再回到我们的问题，我们可以将 PBR 纹理表达为 9 维向量，PCA 的任务是找到最佳4维平面对9维向量进行拟合。

与参考图相比，PCA 的场景亮度更高。所以我们在输入中增加了权重，并通过机器学习来确定权重。