क्या माइनक्राफ्ट-जैसे गेम के लिए एक वॉक्सेल इंजन उपयुक्त है?

Question

क्यों Minecraft पॉलीगन्स का उपयोग विश्व इलाकों को स्वरों के बजाय खींचने के लिए करता है? क्या Minecraft की तरह क्यूब्स से बने एक पूरी तरह से विनाशकारी खेल की दुनिया के लिए एक voxel आधारित रेंडरिंग इंजन उपयुक्त होगा? क्या बहुभुज का उपयोग करने की तुलना में यह अधिक कुशल होगा?

Comments

क्या आपको लगता है कि Minecraft का उपयोग नहीं करता है जो अनिवार्य रूप से अपनी दुनिया का एक स्वर प्रतिनिधित्व है? मेरा मतलब है, उस बयान के लिए आपका स्रोत क्या है? मैंने हमेशा ऐसा ही किया।

— जोश

minecraftwiki.net/wiki/Map - विशेष रूप से: "Minecraft एक स्वर प्रणाली का उपयोग करता है जो एक वृद्धिशील 3 डी ग्रिड है जिसमें प्रत्येक ग्रिड बिंदु एक एकल ब्लॉक के लिए डेटा रखता है।"

— रे डे

जबकि Minecraft दुनिया के एक voxel प्रतिनिधित्व का उपयोग करता है, यह बहुभुज का उपयोग करके प्रदान किया जाता है। मेरा सवाल यह था कि उसने एक स्वर रेंडर क्यों नहीं लिखा।

— jeffythedragonslayer

मेरी गलती, मुझे गलत समझ में आया

— रे डे

vpuel gpu पर रे कास्टिंग का उपयोग करके आज (या कल) gpus के साथ पूरी तरह से संभव है। चतुर आवेश संरचनाओं (जो स्वरों के लिए सरल हैं) और चतुर मेमोरी उपयोग के साथ आपको वास्तविक समय में अविश्वसनीय विशाल दृश्य प्रस्तुत करने में सक्षम होना चाहिए।

— नोटाबिन

Answer 1

क्यों Minecraft पॉलीगन्स का उपयोग विश्व इलाकों को स्वरों के बजाय खींचने के लिए करता है?

ग्राफिक्स हार्डवेयर त्रिकोण के साथ काम करता है और प्रस्तुत करता है, इसलिए यदि आप हार्डवेयर त्वरण चाहते हैं तो आपको त्रिकोण का उपयोग करना होगा। अधिकांश voxel रेंडरर्स मार्चिंग क्यूब्स की तरह कुछ काम करते हैं ताकि एक voxel प्रतिनिधित्व से एक बहुभुज जाल निकाला जा सके और उसे प्रस्तुत किया जा सके; प्रत्यक्ष मात्रा प्रतिपादन आम तौर पर कम्प्यूटेशनल महंगा है।

क्या Minecraft की तरह क्यूब्स से बने एक पूरी तरह से विनाशकारी खेल की दुनिया के लिए एक voxel आधारित रेंडरिंग इंजन उपयुक्त होगा?

हाँ।

क्या बहुभुज का उपयोग करने की तुलना में यह अधिक कुशल होगा?

शायद, लेकिन इसलिए नहीं कि voxels रेंडर करने के लिए तेज़ या सस्ते हैं (वास्तव में, वे रेंडर करने के लिए अधिक महंगे हैं क्योंकि आपको डेटा सेट को परिवर्तित करना होगा)। Voxel प्रतिनिधित्व खुद को बहुभुज की तुलना में आसान हेरफेर करने के लिए उधार देता है - इसलिए डेटा सेट द्वारा प्रतिनिधित्व किए गए दुनिया के टुकड़े, बिट्स और टुकड़ों को जोड़ना और निकालना बहुत आसान है।