作为一个老二刺螈，我进入这个行业的最初动机可以追溯到十年前打通了《Ever17》的那个下午，这个动机就是——美少女。做一个美少女游戏，是我人生的悲愿，而为了完成这个愿望，我必须要从头开始，学习编程、图形学、编写渲染引擎、乃至实现游戏引擎。而在硬件高速发展的现在，实时光线追踪成为了可能，同时Web平台上的新一代图形APIWebGPU提供了丰富的能力也可以让我们进行这样的尝试。

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。

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。

我在支付宝工作两年的技能集大成作。

由于某些工作上的原因，以及个人兴趣，配合之前用Rust+WASM写软件渲染器的踩坑，端午花了三天将gl-matrix移植到了WASM（但因为各种奇奇怪怪的事情一直没时间发文）。此移植包含gl-matrix的所有功能，同时具备完整的单元测试。库本身以Rust + wasm-bindgen + wasm-pack + webpack4的形式开发，使用TS + Karma + Mocha来写单元测试（当然前两年还能扯一扯“优雅”啥的，现在这些都常识了也没啥说的）。在使用方面，我提供了两种使用模式，来应对不同的场合。同时还使用了很多Trick来在不破坏工程性的同时优化性能，某种意义上可以当做Rust来写WASM的工程的模板。