想象你站在一个黑色剧场里，一束追光打向舞台中央的“神奇墙面”——那面墙可能是锃亮的金属门，可能是粗糙的乳胶漆，也可能是贴了壁纸的石膏板。观众的每一次注视，都像一群提着灯笼的访客跑到墙面前：墙面决定谁能被接待、又该让多少“光”作为回礼弹进你的眼睛。传统渲染靠美术一个个“手绘”灯光效果，费时且容易失真；而 PBR（基于物理的渲染）给墙面装了一套标准接待手册——光怎么量化、微表面怎么散射、金属和涂料怎么区分、环境光怎么预计算。从渲染方程到引擎落地，这套手册让画面无论在 Unity 还是 UE5 里都保持一致的真实感。

岗位关联

理解 PBR 物理渲染管线，是进入实时渲染与 AI 数字内容生成领域的“光照基本功”，也是技术美术、渲染工程师做引擎选型与材质调优的决策核心。

目录
  1. 可视化演示
  2. 光照基础：光从哪来
  3. 微表面理论：墙面上的镜片拼图
  4. BRDF模型：材质的回礼手册
  5. 金属度工作流：金属还是涂料
  6. 粗糙度与法线：打磨与浮雕
  7. IBL环境光照：环幕天光
  8. 引擎实现对比：两套施工队
  9. 材质调优实践：灯光师验收
  10. AI 应用场景
  11. Python 演示
  12. 常见误区
  13. 面试题

可视化演示

交互展示PBR渲染的BRDF微表面光照模型、金属度粗糙度材质工作流及IBL环境光照预计算过程。

本节配有交互动效（进入视口后自动加载，约 3KB）。

BRDF：微表面光照模型 入射光经微表面法线散射后按BRDF分布反射 半程向量H决定镜面反射峰值强度 f_r = D(h)·G(l,v)·F(h) / (4·|n·l|·|n·v|) Cook-Torrance BRDF通过D(GGX)分布函数模拟微表面散射实现物理真实渲染

光照基础：光从哪来

想象舞台上那束追光：灯光师先要回答“每盏灯到底送来了多少光”。他拿着一台辐照度计，把镜头对准四面八方——记录的读数，就是光的“数量”。辐射度量学做的就是这件事：它把光按方向、面积、立体角量化，让“这束光有多亮”不再是感觉，而是数字。光源也因此分成几种来客方式：远得几乎平行的方向光（太阳）、能算衰减的点光、还有带锥角的聚光，就像访客有的排着齐整方队，有的从四面八方蜂拥而至。

但光来了还不够，墙面得回答“这些光最后能留下什么”。把所有方向进来的光、墙面逐一的回应全部加起来，就是渲染方程——它是整个 PBR 大厦的地基，后面的 BRDF、微表面理论，都是在替这个方程填细节。

渲染方程就是接待手册的总纲：先数清每个方向的来客，再按规则回礼。后面的所有 PBR 知识，都在逐页填写这本手册的细节——微表面怎么接待、金属怎么区别对待、环境光怎么偷懒。

Lo(v)=Le(v)+∫Ωf(l,v) Li(l) (n⋅l) dl\displaystyle L_o(v) = L_e(v) + \int_{\Omega} f(l, v)\, L_i(l)\, (n \cdot l)\, dl
这个方程说：你看到的光 = 表面自己发的光 + 半球方向所有入射光经材质反射后的总和。
  1. 输出项 \( L_o(v) \)观众沿 \( v \) 方向看过去，最终收到的那份“光回礼”。
    Lo(v)L_o(v)
  2. 自发光项 \( L_e(v) \)表面自己点亮的光，比如屏幕像素本身在发光。
    Le(v)L_e(v)
  3. 半球积分 \( \int_{\Omega} \)把表面上方的整个半球方向都扫一遍，把所有来客逐个登记。
    ∫Ω⋯ dl\int_{\Omega} \cdots \, dl
  4. 入射光照 \( L_i(l) \)从方向 \( l \) 到达表面的光能量。
    Li(l)L_i(l)
  5. 材质响应 \( f(l, v) \)墙面“接待规则”，即 BRDF——从 \( l \) 进、往 \( v \) 出。
    f(l,v)f(l, v)
  6. 余弦衰减 \( n \cdot l \)光斜射时能量摊到更大面积，看起来更暗。
    (n⋅l)(n \cdot l)

微表面理论：墙面上的镜片拼图

把神奇墙面放大一万倍，你会发现它根本不是平的，而是无数凹凸不平的小镜片挤在一起——像一张砂纸，又像揉皱的锡纸。每片小镜片都朝自己的方向，这就是微表面。光打在墙面上，实际是在和这片“镜片拼图”打交道：有的镜片恰好把光反弹进观众的眼睛，于是形成亮斑；有的镜片朝向另一边，光就跑到别处去了。

所以研究反射，本质是研究“镜片朝向的统计学”。法线分布函数（NDF）回答：在所有微法线里，有多大比例正好朝向中间向量 \( h \)？GGX（Trowbridge-Reitz）是目前最流行的 NDF——它用一个参数 \( \alpha \) 控制分布峰的宽窄，峰越尖，高光越锐利。另外还有两个配角：几何遮蔽 \( G \) 描述凹凸互相遮挡导致边缘变暗，菲涅尔 \( F \) 描述掠射角时反射变强。它们三兄弟共同撑起微表面故事。

打磨墙面，就是让千万个小镜片方向趋于一致，反射自然锐利如镜；喷砂则让它们杂乱无章，光被均匀丢向四面八方。GGX 正是描述这两种状态之间的平滑过渡的数学工具。

D(h)=α2π((n⋅h)2(α2−1)+1)2\displaystyle D(h) = \frac{\alpha^2}{\pi\left((n \cdot h)^2(\alpha^2 - 1) + 1\right)^2}
这是 GGX 法线分布：当粗糙度很小，\( D(h) \) 在正对方向出现又尖又高的峰；粗糙度增大，峰变矮变胖。
  1. 中间向量 \( h \)入射方向与出射方向折半后的方向，只有微法线朝向它才能产生镜面反射。
    h=l+v∥l+v∥h = \frac{l + v}{\|l + v\|}
  2. 粗糙度参数 \( \alpha \)美术给的 roughness 先平方，让高光边缘过渡更自然。
    α=roughness2\alpha = \mathrm{roughness}^2
  3. 法线夹角 \( (n \cdot h) \)微法线与墙面平均法线的点积，衡量镜片偏离平均朝向的程度。
    (n⋅h)(n \cdot h)
  4. 分母平方项用平方把分布塑造成“中间高、两边快速衰减”的高斯式峰形。
    π((n⋅h)2(α2−1)+1)2\pi\left((n \cdot h)^2(\alpha^2 - 1) + 1\right)^2

BRDF模型：材质的回礼手册

接待手册终于翻到正文：BRDF（双向反射分布函数），全名很长，但职责很单纯——规定“从 \( l \) 方向来的光，经过墙面，会以多大比例飞向 \( v \) 方向”。好比访客从哪个门进、要求从哪个窗出去，接待处只给一张“转换票据”。

PBR 最常用的 BRDF 是 Cook-Torrance 模型，它把回礼分成两大袋：一袋是漫反射项，像乳胶漆墙面把光照均匀嚼碎吐向所有方向，因此无论从哪个角度看颜色都一样；另一袋是镜面反射项，像金属门板只朝特定方向抛回光线，成为高光。两袋能量占比由金属度和菲涅尔共同决定。

漫反射是涂料墙的“慷慨”——无论从哪看都一样；镜面反射是金属板的“挑剔”——只朝特定方向抛出耀眼光束。Cook-Torrance 让这两种性格在同一面墙上按物理比例和平共处。

f(l,v)=kd cπ+F D G4 (n⋅l) (n⋅v)\displaystyle f(l, v) = k_d\, \frac{c}{\pi} + \frac{F\, D\, G}{4\,(n \cdot l)\,(n \cdot v)}
左边是完整 BRDF，右边第一项是漫反射，第二项是镜面反射：菲涅尔 F、法线分布 D、几何遮蔽 G 的乘积除以角度归一化分母。
  1. 漫反射系数 \( k_d \)总能量中走漫反射通道的比例，非金属较大，金属几乎为零。
    kdk_d
  2. Lambert 漫反射项 \( c/\pi \)把表面固有颜色 \( c \) 均匀洒向半球，\( \pi \) 是归一化常数。
    cπ\frac{c}{\pi}
  3. 镜面项分子 \( F\,D\,G \)菲涅尔决定反射强度，法线分布决定方向集中度，几何遮蔽修正凹凸遮挡。
    F⋅D⋅GF \cdot D \cdot G
  4. 归一化分母 \( 4(n\cdot l)(n\cdot v) \)用入射角与出射角的余弦乘积校准能量，避免光照溢出过亮。
    4 (n⋅l) (n⋅v)4\,(n \cdot l)\,(n \cdot v)

金属度工作流：金属还是涂料

装修现场最需要分清两样东西：金属门板和乳胶漆墙。金属门板会把周围环境颜色整块映出来，几乎没有自己的固有色；乳胶漆墙则把光“嚼碎”，混进自己的颜色再吐出来。用 PBR 的话说：金属的导电性让光只能反射，不能渗入表面形成漫反射；非金属的绝缘特性则允许光进入内部散射。

金属度工作流正是从这个直觉出发：metalness = 1 时，漫反射通道被彻底关闭，镜面反射的 F0 直接取 baseColor（于是金属的固有色其实就是环境反射的颜色）；metalness = 0 时，反射强度固定在约 4%，剩下 96% 走漫反射。美术只需画一张灰度金属度贴图，就能让铁锈、油漆、镀铬在同一物体上无缝过渡。

判断墙面是金属还是涂料，接待手册的写法完全不同：金属直接映出环境，涂料先染色再吐出。金属度贴图就是挂在墙上的“门牌号”，PBR 靠它一键切换两套接待逻辑。

F(θ)=F0+(1−F0)(1−cos⁡θ)5\displaystyle F(\theta) = F_0 + (1 - F_0)\left(1 - \cos\theta\right)^5
菲涅尔-施利克近似：垂直看表面时反射率是 F0，越贴近掠射角，反射率越趋近 1——所有材质在斜视时都像镜子。
  1. 基础反射率 \( F_0 \)垂直入射时的反射比例，金属取 baseColor 着色，非金属恒定为 0.04。
    F0F_0
  2. 掠射修正 \( (1-\cos\theta)^5 \)随着视线与法线夹角增大，反射率以五次方速度飙升。
    (1−cos⁡θ)5(1 - \cos\theta)^5
  3. 金属与非金属的 \( F_0 \)金属的 F0 是有颜色的向量，非金属是均匀的 0.04 标量——这就是金属自带“环境镜面”的原因。
    F0,metal=baseColor,F0,dielectric=0.04F_{0,\text{metal}} = \mathrm{baseColor}, \quad F_{0,\text{dielectric}} = 0.04

粗糙度与法线：打磨与浮雕

灯光师手里有两把刷子。第一把是“打磨程度”——粗糙度，它决定反射光收回来的形状：墙面打磨得像镜面，高光一点；墙面喷砂成磨砂玻璃，高光晕成一大片。第二把是“贴壁纸”——法线贴图，它用 RGB 编码微表面的朝向，让一块平面假装有砖缝、铆钉和划痕，却不增加任何真实几何。

两者分工明确：粗糙度控制光的“散开程度”，法线贴图控制光的“朝向细节”。在 GGX 里，粗糙度会先被平方成 \( \alpha \)，再代入法线分布函数——这一步看似简单，却决定了高光边缘是从“锐利”到“柔滑”的视觉过渡，而法线贴图则通过改变每像素的 \( n \) 值，让 GGX 的峰整体倾斜，模拟凹凸带来的明暗变化。

打磨和贴壁纸双管齐下：墙面既能反射出窗外轮廓，又能浮现砖缝的立体感。两者配合时，先定粗糙度再叠法线，才能避免“高光在浮雕上乱跳”的违和感。

α=roughness2,D(h)=α2π((n⋅h)2(α2−1)+1)2\displaystyle \alpha = \mathrm{roughness}^2, \qquad D(h) = \frac{\alpha^2}{\pi\left((n \cdot h)^2(\alpha^2 - 1) + 1\right)^2}
粗糙度影响 \( \alpha \)，进而重塑法线分布的形状；法线贴图则通过修改像素的法线 \( n \) 来倾斜这个分布。
  1. 美术参数 roughness取值范围 0 到 1，0 是镜面，1 是全哑光。
    roughness\mathrm{roughness}
  2. 平方映射 \( \alpha \)把粗糙度平方，让高光在“几乎光滑”区间有更细腻的过渡。
    α=roughness2\alpha = \mathrm{roughness}^2
  3. 代入 GGX 分子分母\( \alpha \) 越小，D 的峰越高越尖；\( \alpha \) 越大，峰越矮越宽。
    D(h)=α2π((n⋅h)2(α2−1)+1)2D(h) = \frac{\alpha^2}{\pi\left((n \cdot h)^2(\alpha^2 - 1) + 1\right)^2}

IBL环境光照：环幕天光

舞台不只靠一束追光。真正让观众身临其境的，是四周环幕投影播放的全景照片——墙面被四面八方微弱的环境光包围。这就像晴天站在广场，头顶的天空、脚下的地面、周围的建筑都在向你发射光线。实时渲染不可能逐束计算，于是聪明的灯光师采用“预布光”：提前把环境贴图卷积成一张张模糊等级不同的图，存进 mipmap——模糊程度恰好对应不同粗糙度。

这就是基于图像的光照（IBL）。漫反射部分用球谐函数压缩成几个系数，运行时三五个浮点运算即可还原低频环境光；镜面部分则根据粗糙度选择对应 mip 层做一次纹理采样。原本要循环几千次的积分，被压成了“查一次表”。

环幕影片提前拍好、提前柔化，演出时一键开灯，墙面立刻被环境包围。IBL 的精髓就是“把复杂留给人少的时候”——预计算的每一分努力，都在为运行时省下百倍开销。

Lprefilter(v,r)≈∫ΩLi(l) f(l,v,r) (n⋅l) dl\displaystyle L_{\text{prefilter}}(v, r) \approx \int_{\Omega} L_i(l)\, f(l, v, r)\, (n \cdot l)\, dl
预滤波公式：每种粗糙度都对应一张把原有 BRDF 卷积好的环境图，运行时按粗糙度取对应层级。
  1. 预滤波结果 \( L_{\text{prefilter}} \)把环境光与 BRDF 的卷积提前算好，存成一系列模糊贴图。
    Lprefilter(v,r)L_{\text{prefilter}}(v, r)
  2. 环境入射光 \( L_i(l) \)来自环幕四面八方每个方向的光强度。
    Li(l)L_i(l)
  3. 粗糙度相关 BRDF \( f(l, v, r) \)不同粗糙度对应不同的卷积核，粗糙度越大模糊越狠。
    f(l,v,r)f(l, v, r)
  4. 运行时查表roughness 映射到 mip 层：
    mip_level≈roughness×(maxMip−1)\mathrm{mip\_level} \approx \mathrm{roughness} \times (\mathrm{maxMip} - 1)

引擎实现对比：两套施工队

同一份设计图纸，交给两个施工队会得到不同的施工方案。Unity HDRP 队偏爱“探针阵 + 反射探针”的经典打法：在场景里埋一圈探针记录光照快照，再用屏幕空间反射（SSR）补细节。UE5 的 Lumen 队则像全场铺满雷达：用软件光线追踪把光的弹跳实时重算出来，连间接光照都是动态的。两队读的是同一本渲染方程手册，工程取舍却截然不同。

HDRP 的优势是可控：反射探针数量、SSR 步数、探针更新频率都能按项目性能预算精确调节。Lumen 的优势是省心：门窗一改，光照立刻跟着变，适合开放世界。但 Lumen 的逐像素开销更高，在低端机上需要降低分辨率或依赖硬件光追；HDRP 则在移动端有更成熟的 LOD 与烘焙流程。

两个施工队的目标一致：把渲染方程变成每像素几行指令。差别只在预算：HDRP 精打细算、步步为营；Lumen 大动干戈、实时重算。选谁，取决于舞台规模和票价（硬件成本）。

Lo(v)≈1N∑k=1Nf(lk,v) Li(lk) (n⋅lk)\displaystyle L_o(v) \approx \frac{1}{N} \sum_{k=1}^{N} f(l_k, v)\, L_i(l_k)\, (n \cdot l_k)
实时引擎把连续积分化成有限个方向的离散求和：N 越大越准，但 GPU 越吃力——两队都在 N 与画质之间找平衡。
  1. 连续积分变求和 \( \frac{1}{N}\sum_{k=1}^{N} \)用有限个采样方向近似半球积分。
    1N∑k=1N\frac{1}{N} \sum_{k=1}^{N}
  2. 逐项求值 \( f(l_k, v) L_i(l_k)(n\cdot l_k) \)对每个采样方向做一次完整 BRDF 计算。
    f(lk,v) Li(lk) (n⋅lk)f(l_k, v)\, L_i(l_k)\, (n \cdot l_k)
  3. 实时引擎的策略N 小就靠预计算和降噪补救——HDRP 用探针预烘焙，Lumen 用时空降噪。
    N路径追踪≫N实时引擎N_{\text{路径追踪}} \gg N_{\text{实时引擎}}

材质调优实践：灯光师验收

验收环节，灯光师拿着测光表绕墙三圈：高光是否死白？金属是否发闷？暗部是否一片死黑？PBR 调优同样是围着参数转：第一步先定金属度——把墙面归成金属或非金属两类；第二步调粗糙度——控制高光的锐利程度；第三步用 HDR 环境和定向光验证，看反射是否自然。

调优背后有一条不可逾越的底线：能量守恒。反射出去的能量不能超过进来的能量。用金属度分配漫反射与镜面反射的占比，本质上就是在守住这条物理红线。违反它，材质会“越调越亮”，最后整体过曝。

物理正确是底线，“演出效果”才是目标。灯光师最终要让一块普通墙面在镜头前既真实又好看：在能量守恒的约束内，把金属度、粗糙度、环境光三颗旋钮拧到恰到好处。

kd=(1−F0) (1−metalness),ks=1−kd\displaystyle k_d = (1 - F_0)\,(1 - \mathrm{metalness}), \qquad k_s = 1 - k_d
能量守恒：金属度越高，漫反射占比 k_d 越小；剩下的能量全部进入镜面反射通道。
  1. 漫反射比例 \( k_d \)非金属（metalness=0）时 k_d 约 0.96，金属（metalness=1）时归零。
    kd=(1−F0) (1−metalness)k_d = (1 - F_0)\,(1 - \mathrm{metalness})
  2. 镜面比例 \( k_s \)与 k_d 互补，金属越高镜面越占主导。
    ks=1−kdk_s = 1 - k_d
  3. 守恒约束两通道加起来必须等于 1，防止能量凭空增加。
    ks+kd=1k_s + k_d = 1

AI 应用场景

AI 生成 PBR 材质贴图

阶段：内容生产与资产生成

解决的问题：传统美术手绘 baseColor、metallic、roughness 贴图往往要数小时，且不同画师对“金属度 0.8”的理解不一致，导致同一场景风格割裂。AI 可以直接从单张照片或文本描述生成整套 PBR 贴图，物理参数天然对齐 PBR 工作流。

具体案例：项目组用扩散模型从一张旧沙发照片生成整套贴图——反照率贴图保留了布纹，金属度贴图近乎纯黑（因为布料是非金属），粗糙度贴图在 0.7~0.9 之间波动。导入 Unity HDRP 后，沙发在 IBL 环境下的高光表现几乎与实拍一致。

AI 材质质检与自动调优

阶段：测试与质量保障

解决的问题：人工逐材质检查渲染输出枯燥且易漏。AI 用回归模型比较渲染小样与参考照片的差异，自动定位“高光过曝”“金属发闷”“反射断档”等 PBR 参数问题。

具体案例：在 UE5 中批量渲染 200 个材质的球体测试图，AI 判定其中 17 个材质的 roughness 通道疑似反相——高光分布与贴图明暗完全矛盾。工具自动输出修正建议，渲染工程师一键复核修复。

AI 辅助 PBR 资产跨引擎迁移

阶段：数据转换与部署

解决的问题：Unity HDRP 与 UE5 的贴图命名、通道顺序、法线 Y 轴方向都有差异，手动转换容易出错。AI 识别贴图语义后自动重映射通道与色彩空间，迁移效率提升数倍。

具体案例：某团队把 Substance Painter 导出的 metallic/roughness 贴图批量迁移到 UE5，AI 自动将 Unity 的 smoothness 反相为 roughness，修正法线贴图 Y 轴，并确保 sRGB 与线性空间标记正确，避免了“金属发黑”事故。

Python 演示

python44 行
import numpy as np  def ggx_ndf(n_dot_h, alpha):    a2 = alpha * alpha    denom = np.pi * (n_dot_h * n_dot_h * (a2 - 1.0) + 1.0) ** 2    return a2 / np.maximum(denom, 1e-6)  def schlick_fresnel(c_dot_v, f0):    return f0 + (1.0 - f0) * np.power(np.clip(1.0 - c_dot_v, 0.0, 1.0), 5.0)  def smith_geometry(n_dot_v, n_dot_l, k):    g_v = n_dot_v / np.maximum(n_dot_v * (1.0 - k) + k, 1e-6)    g_l = n_dot_l / np.maximum(n_dot_l * (1.0 - k) + k, 1e-6)    return g_v * g_l  def cook_torrance(n_dot_v, n_dot_l, n_dot_h, roughness, f0, base_color):    alpha = roughness * roughness    k = alpha * 0.5    d = ggx_ndf(n_dot_h, alpha)    g = smith_geometry(n_dot_v, n_dot_l, k)    f = schlick_fresnel(n_dot_h, f0)    spec = d * g * f / np.maximum(4.0 * n_dot_v * n_dot_l, 1e-6)    diff = base_color / np.pi * (1.0 - f0)    return diff + spec  if __name__ == "__main__":    f0 = 0.04    base_color = np.array([0.6, 0.6, 0.6])    print("roughness | peak BRDF | mean BRDF")    for roughness in [0.05, 0.2, 0.5, 1.0]:        values = []        theta = np.linspace(0.01, np.pi / 2 - 0.01, 90)        for angle in theta:            n_dot_v = np.cos(angle)            n_dot_l = n_dot_v            n_dot_h = np.cos(angle / 2.0)            brdf = cook_torrance(n_dot_v, n_dot_l, n_dot_h, roughness, f0, base_color)            values.append(float(brdf.sum()))        print("  %.2f    | %.3f     | %.3f" % (roughness, np.max(values), np.mean(values)))
目的：用 numpy 实现 GGX 法线分布、Schlick 菲涅尔、Smith 几何遮蔽，组合成 Cook-Torrance BRDF，并扫描不同粗糙度下的高光峰值变化，直观验证“越光滑高光越强”这一 PBR 核心直觉。
  1. def ggx_ndf(n_dot_h, alpha):GGX 法线分布函数，对应正文里的微表面镜片朝向统计。
  2. a2 = alpha * alpha把 roughness 平方成 \( \alpha \)，这一步决定了高光过渡的柔和度。
  3. denom = np.pi * (n_dot_h * n_dot_h * (a2 - 1.0) + 1.0) ** 2GGX 分母，塑造“中间高两边低”的峰形。
  4. f = schlick_fresnel(n_dot_h, f0)菲涅尔项，模拟掠射角反射增强。
  5. spec = d * g * f / np.maximum(4.0 * n_dot_v * n_dot_l, 1e-6)Cook-Torrance 镜面项，分母做能量归一化。
  6. diff = base_color / np.pi * (1.0 - f0)Lambert 漫反射项，非金属的“嚼碎吐匀”通道。

常见误区

误区我觉得墙面不够亮，就把金属度从 0 拉到 1。结果表面变成一面彩色镜子，原本的木纹颜色全没了，看起来反而更暗更奇怪。

正解闪亮与否由 roughness 决定，金属度只决定“反射的是无色白光是带颜色的环境光”。金属 = 1 时漫反射关闭，如果 roughness 很大，金属表面一样暗淡；反过来，非金属把 roughness 调到极小也能像抛光的宝石一样亮。调亮应该先降 roughness，再考虑环境光强度。

为何常见：直觉上“金属 = 亮”，忽略了金属度升高会让固有色消失，把反射完全交给环境——环境一暗，金属就跟着暗。

误区在 Substance 里导出一套 baseColor、metallic、roughness，Unity HDRP 和 UE5 都能直接用，反正都是 PBR 标准。

正解两套引擎的贴图细节不同：UE5 用 Metallic/Roughness 工作流，Unity HDRP 兼容 Metallic 但历史项目常见 Glossiness（与 Roughness 反相）；法线贴图的 Y 轴朝向也不同，直接拖会导致高光方向反转、材质发黑。

为何常见：PBR 标准看似统一，但引擎各有派生约定。小白容易把“标准”当成“同一套文件”，忽略了通道与色彩空间的适配层。

误区sRGB 和线性空间差别不大，输出前随手一关，画面还不是照样渲染？

正解光照计算必须在线性空间完成，最后再转回 sRGB 显示。如果贴图不转线性，暗部会被过度拉亮，明暗过渡失真；PBR 能量守恒也会被破坏，金属反射偏灰。HDRP 和 UE5 默认都在线性空间中运算，动这个开关等于打乱整套物理光照。

为何常见：屏幕天然显示 sRGB，人眼已经习惯非线性，初学者很难察觉“计算用的颜色”和“显示的颜色”是两套编码。

误区我觉得 IBL 环境光照是引擎现场把环境图卷积出来，每帧都实时更新，所以画面才那么自然。

正解环境图的卷积、预滤波、球谐编码都发生在离线烘焙或加载阶段，运行时只是做几次纹理采样。若每帧重新卷积环境贴图，GPU 会瞬间被拖垮。动态 IBL 也只是按帧率低频更新探针，并非逐帧全量重算。

为何常见：实时引擎的“实时”二字误导了小白，让人以为一切效果都是即时计算，忽略了预计算这种以空间换时间的关键工程手段。

误区贴了一张高精度法线贴图，墙面立刻有了砖缝和铆钉，那还要建模师加高模做什么？

正解法线贴图只改变光照计算的“假朝向”，轮廓、投影、自遮蔽仍然暴露平面本质。微表面理论中的几何遮蔽项 G 也需要真实凹凸参与——很斜的角度看法线贴图，砖缝会“摊平”失真。

为何常见：法线贴图在正面视角效果惊艳，容易让人忽略侧面和轮廓处的物理破绽，直到镜头一转才发现墙面其实是“一张纸”。

面试题

Q1. PBR 中文全称最准确的表述是？

单选题 · easy

  • A.基于物理的渲染系统← 正确答案
  • B.基于像素的渲染管线
  • C.基于几何的着色模型
  • D.基于光栅的快速绘图

答案：A。PBR 全称 Physically Based Rendering，即“基于物理的渲染”，强调用真实光学规律模拟光照。其他选项混淆了“像素”“几何”“光栅”等相邻概念，它们都不属于 PBR 的定义核心。

Q2. 当材质的 metalness = 1 时，以下哪种说法正确？

单选题 · mid

  • A.材质必然呈现高亮炫光
  • B.材质的漫反射通道被禁用← 正确答案
  • C.材质的粗糙度必须调小
  • D.材质只能反射环境贴图

答案：B。金属没有漫反射，光无法渗入内部散射，所以 baseColor 全部进入镜面反射。A 错在亮度由 roughness 决定；C 错在金属也可以粗糙；D 错在金属同样接收直接光，只是以镜面方式反射。

Q3. 粗糙度数值越小，高光表现通常是？

单选题 · mid

  • A.高光斑越大越模糊
  • B.反射图像越锐利清晰← 正确答案
  • C.漫反射占比会提高
  • D.表面颜色会变暗

答案：B。粗糙度小意味着微表面朝向一致，GGX 分布峰又尖又高，反射光集中在镜面方向，因此高光锐利、环境反射清晰。粗糙度不影响漫反射占比，那是金属度的职责。

Q4. GGX 法线分布函数中，alpha = roughness² 的主要作用是？

单选题 · hard

  • A.控制微法线的分布锥宽度← 正确答案
  • B.控制菲涅尔反射的强度
  • C.决定环境贴图的采样层
  • D.调整光源的衰减速度

答案：A。GGX 的 D(h) 用 alpha 塑造分布峰：alpha 小峰高而窄，angle 大峰矮而宽，即“分布锥宽度”。菲涅尔由 F0 控制，环境贴图采样层由 mip_level 控制，都与 alpha 的分布职能无关。

Q5. 非金属材质在垂直入射时的反射率 F0 约为？

单选题 · easy

  • A.反射率约为 1.0
  • B.反射率约为 0.5
  • C.反射率约为 0.04← 正确答案
  • D.反射率约为 0.82

答案：C。Fresnel-Schlick 中非金属的 F0 固定约 0.04，即只有 4% 的光被直接反射，其余进入漫反射通道。金属的 F0 才取 baseColor 的有色值，所以 A、D 是金属量级，B 是常见错觉值。

Q6. IBL 镜面反射的预计算结果通常存储在哪里？

单选题 · mid

  • A.保存在环境贴图分级 mipmap← 正确答案
  • B.存储在颜色查找表纹理中
  • C.放在顶点缓冲区的布局里
  • D.记录进深度模板缓冲区内

答案：A。IBL 把不同粗糙度对应的 BRDF 卷积结果存成环境贴图的 mipmap 各级，运行时按 roughness 采样对应层级。查找表用于 BRDF LUT，深度缓冲管遮挡，顶点缓冲区存几何，都与环境卷积无关。

Q7. UE5 中负责实时全局光照的主要方案是？

单选题 · mid

  • A.屏幕空间反射 SSR
  • B.Lumen 实时全局光照← 正确答案
  • C.屏幕空间环境光遮蔽
  • D.多重采样抗锯齿技术

答案：B。Lumen 是 UE5 主推的实时全局光照方案，用软件光追和屏幕空间信息实现动态间接光照。SSR 只做屏幕内反射，SSAO 只做环境光遮蔽，MSAA 是抗锯齿，功不同。

Q8. Cook-Torrance BRDF 的镜面反射项包含哪些部分？

多选题 · mid

  • A.表面法线分布函数 D← 正确答案
  • B.几何自遮蔽项 G← 正确答案
  • C.菲涅尔反射项 F← 正确答案
  • D.环境光遮蔽贴图 AO

答案：ABC。镜面项公式为 FDG 除以归一化分母，D 描述微法线朝向分布，G 描述凹凸互相遮挡，F 描述掠射角反射增强。AO 属于环境光的低频遮蔽，不在 Cook-Torrance 镜面项内。

Q9. 下列哪些属于 PBR 材质工作流中的常见贴图？

多选题 · easy

  • A.反照率与基础颜色贴图← 正确答案
  • B.金属度灰度权重贴图← 正确答案
  • C.粗糙度灰度权重贴图← 正确答案
  • D.帧率采样测试目标贴图

答案：ABC。金属度/粗糙度工作流三件套就是 baseColor、metallic、roughness，分别负责固有色、金属/非金属分类、高光散开程度。帧率测试贴图属于性能分析工具，不是材质贴图。

Q10. 关于 PBR 材质调优，下列说法正确的有？

多选题 · hard

  • A.先调粗糙度再调金属度顺序无所谓
  • B.非金属材质的金属度应设接近 0← 正确答案
  • C.线性空间影响光照计算的正确性← 正确答案
  • D.粗糙度会直接改变漫反射颜色

答案：BC。调优应先定金属度再调粗糙度，因为金属度决定漫反射是否开启；非金属 F0 约 0.04，漫反射主导，所以金属度应接近 0；光照计算必须在线性空间进行。粗糙度只影响镜面高光的散开程度，不改变漫反射颜色。