CryENGINE 3: reaching the speed of light
http://advances.realtimerendering.com/s2010/Kaplanyan-CryEngine3(SIGGRAPH%202010%20Advanced%20RealTime%20Rendering%20Course).pdf
siggraph10的paper。
总体看下来，crytek在处理很多我们还没发掘到的问题，看着有种无力感。
另外感觉crytek在逐渐从engineer升级到scientist，说是大师级也不为过。
texture compress improvement
看着就比较烦，
- 一顿搞---做的时候用16bit的texture，然后histogram normalize什么的，然后出来的效果得放大了才能看出些许优势。
- srgb space的texture
normalmap用3dc格式压缩---大家都这么干。
但是crytek又要改进算法，还是在很少的情况（很近很精细）下才会有不同可以看出来。
在看一些类似车的表面的时候，平滑中带着些许糙面的情况，16bit的normal优势很大。
occlusion culling
console上是把上一帧的zbuffer downsample几个mipmap，然后用hi-z的算法在cpu端针对obj的aabb做culling----省了大量的cpu和gpu的计算。
pc上是使用比较传统的手工occluder，因为cpu-gpu带宽太低，没法搞zbuffer的传输。
ssao
轻描淡写的一页，里面充满了名词，好几个不懂
- encode depth into 2 16bit channel
- quater buffer
- bilateral blur fetch----囧
- Volumetric Obscurrance with 4! samples----囧
- reprojection
最后是720p情况下：360 1.1ms， ps3 1.3ms，orz！
deferred pipeline
lighting model:
- 24bit depth, 8bit stencil----各种mask信息的存储
- 24bit normal, 8bit glossness
用24bit存normalized normal会精度很差：
其实24bit真的已经很多了，可以存储相当大的信息量，足够了。
之所以精度不够根本原因是我们存的是normalized normal，这样一来，只用了%1.73的理论存储能力。
crytek给了算法利用到了%98.2，因此也获得了非常高的精度：
算法和代码文中都给了，大致思路就是根据normal的方向取一个最接近的方向来存（因为最终存起来的是离散的定点数），存的这个不是normalized的。
然后在lighting的时候只要再normalize一下就可以了。
的确相当巧妙，这种高效利用存储的空间的思想真是太太太给力了。
后面一部分将phong brdf，这个目前的lighting model和这个在玩家看起来没有明显差距。
说实话关于这里，halo3在社区里画面质量和gears of war相提并论真是让我很不爽，甚至说gears更好。
halo3在理论上明显高出一截的。
需要硬件继续发展，到了更具区别能力的shading model的时候才行了。
hdr
力求在同样带宽上实现hdr效果，ps3上rgbm，360上用r11g11b10的格式。
最后tonemapping的时候有exponential tone mapping和film tone mapping，两者各有千秋吧。
clip volume
不用shadow的话，lighting容易出现bleeding的情况，解决办法是放置一个clip volume用stencil mask来解决。
anti aliasing
crytek上来说msaa和mlaa都没法解决画面在变化时候的闪烁问题。
尤其是在很细的地方，栏杆，草这些东西。
也就是说关注点已经不是静态画面，而是动态时候的画质问题。
这个我稍微抱有怀疑态度，找了些mlaa的video，觉得还是没有太大问题：
http://www.desivideonetwork.com/view/tji5w7378/incredible-killzone-3-mlaa-incorporated-gameplay-and-graphics-best-looking-game-ever-made/
还有战神的一些video。
crytek的解决方案是继续用reverse projection,记录变化的地方，然后对这些地方blur，来降低camera移动时候造成的flicker。
静态画面上是edge aa.
最后看credit：
•Vaclav Kyba from R&D for implementation of temporal AA
原文链接： http://blog.csdn.net/ccanan/article/details/5974484