在前面的七篇文章中，我从概论开始，论述了简单WebGPU渲染引擎的实现，并实现了一个支持BVH加速结构和BRDF光照模型的实时路径追踪渲染器。但由于WebGPU的API的实验性，目前相关标准仍然可能不断变更，而由于配套于WebGPU的调试工具还不存在，所以在不重编Chromium的情况下只能想一些朴素的方法来调试，这里就记录了一些调试心得。

在上一篇文章BRDF与蒙特卡洛积分的最后，我们最终得到了一个充满了噪点的输出，接下来要考虑的就是如何降噪（Denoise），这个分为时间和空间两部分。并且由于整个光照计算都是在高动态范围（HDR）计算的，最后还要做一次色调映射（Tone Mapping）来将其转换到有限的低动态范围（LDR），便于显示器显示。

在上一篇文章BVH与射线场景求交插值中，我论述了如何对场景进行划分、如何求得射线和场景中三角形的交点、如何判断射线和某点之间是否有遮挡、射线是否与光源相交，以及如何得到插值后的顶点和材质属性。有了这些数据，便可以进行最终的光照计算，这里会涉及到BRDF模型、直接光照、间接光照、蒙特卡洛积分、重要性采样、随机数生成等等的概念和实现。

在上一篇文章管线组织与GBuffer中，我提到了路径追踪的第一步是射线和场景的求交，进一步引出了BVH的概念。在这一章，我将会论述如何利用BVH对场景中的所有三角形进行高效得分割和求交，并且给出得出交点后属性插值的方法。

（本文是南方周末《非虚构写作课程》的作业4）2020年7月21日凌晨，难以入睡的天宇在床上辗转反侧。在这没有灯光的房间中，他不时解锁着身边的手机，这屏幕在黑暗中显得额外刺眼。在这刺眼的屏幕上，显示的是一封邮件，标题是——《蚂蚁金服正式启动IPO流程》。这个消息几乎对于所有人都是意外的，彼时论坛铺天盖地的都是“下周发邮件”的调侃，谁都没想到蚂蚁的IPO来的如此之快。

上一篇文章场景数据组织与合并，我们讨论了要使用的材质、以及如何组织好场景数据，并对场景数据进行了合并。现在我们可以认为有了一个很大的Geometry，其中存储着整个场景所有的图元信息，还有合并好的Uniform、Texture，以便在渲染过程中查找到物体上某一点对应的材质数据。那么下一步，就是如何利用这些数据进行渲染了。

本文将在上一篇文章WebGPU基础与简单渲染器的基础上，论述针对路径追踪，应当如何组织场景数据，这涉及到PBR材质定义、glTF资源的导出和加载、场景的构建、以及最重要的场景合并等内容。

在本文中，笔者将论述如何用WebGPU来实现一个简单的渲染器，并且目前只支持静态物体渲染，没有动画物理等等组件，这个渲染器的架构脱胎于笔者过去研究和实现过的几个渲染引擎，以求尽量简单，而非大而全，所以实现中可能有粗糙之处，但作为如何使用WebGPU的例子而言是绝对足够的。

（本文是南方周末《非虚构写作课程》的作业2）九月的广州仍然未入秋，在这个中国南方的城市，夏天额外漫长。在距离这座城市的地标“广州塔”大概两公里不到的地方，有个名为TIT创意园的园区。这里曾经是一个纺织厂，后来被改造为艺术园区，目前有数家互联网和服装企业坐落于其中，这里面就包括腾讯的微信事业群。

本系列文章将会论述如何用WebGPU来实现一个实时路径追踪渲染器，从一个简单渲染器为开端层层深入，了解经典路径追踪渲染器的各个部分，以及BRDF模型在路径追踪中的实现。