• 흔히 계단 현상 이라고 부르는 aliasing현상을 해결하는 기법.

  • 모니터 해상도가 낮거나 텍스쳐 해상도가 낮을 때 발생하는 현상.

    

초과표본화(super sampling, SSAA)

1. RenderTarget의 해상도를 기존의 4배 높게 생성하고 그린다.
2. 이후 화면에 그릴때 원레 화면 해상도로 downsampling하여 그린다. (인접생상 평균)
   • 환원(resolving)이라고 하는데, 4픽셀 블록의 네 색상의 평균을 그 블록의 최종 색상으로 사용한다.

• 해상도를 4배로 크게 잡기 때문에 비용이 매우 크다.
  • 대신 정확도는 높다.
  • 오버헤드가 무식하게 크기 때문에 사용되지 않는다.
    • 메모리도 많이 사용하지만, 해상도가 높을수록 픽셀 하나하나에 렌더링 연산을 진행함에 있어서 연산이 배로 늘어나기 때문에 상당한 부하가 따른다.

다중표본화(multisampling, MSAA)

• super sampling보다는 비용이 싸다.
• super sampling이랑 방식은 비슷하지만, downsampling하는 과정에서 일부 계산 결과를 subpixel들 사이에서 공유하기 때문에 비용이 좀 더 저렴하다.
  • 그 색상과 부분픽셀들의 가시성과 포괄도를 이용해서 최종 색상을 결정한다.
• 메모리 소모는 super sampling과 동일하나, 계산시 4배의 해상도에 해당하는 픽셀들을 전부 계산하는 것이 아니기 때문에 좀 더 유리하다.
• 디퍼드 렌더링을 사용하는 곳에서 적용하는데 구현 난이도가 있다.
  • *디퍼드 렌더링: 많은 조명을 적은 비용으로 그리기 위해서 렌더링을 지연시키는 기법.
    • 다양한 정보들을 텍스쳐에 각각 렌더링한 후 그 정보를 이용해서 최종 아웃풋을 뽑는 방법
      • 다양한 정보에는 조명, 위치, 노말맵 등등 필요에 따라 다양한 정보들이 추가된다.

그 밖의 Antialiasing들

• FXAA, CSAA, TAA ... 등등
  • 각자가 장단점이 있다. TAA같은 경우 히스토리 기반이기 때문에 고스팅 현상이 발생할 수 있는등..
• 최근에는 DLSS라고, 엔비디아에서 딥러닝을 이용해서 Antialiasing을 처리하는 기술들도 나오고 있다.
• 참고: https://namu.wiki/w/안티에일리어싱