DagorEngine中提高渲染实例(Render Instance)最大数量的解决方案
2025-06-29 07:49:02作者:魏献源Searcher
问题背景
在使用DagorEngine进行场景开发时,开发者可能会遇到渲染实例(Render Instance,简称RI)数量超过限制的问题。系统默认会提示"Too many RI in cell (65536/65536)"的错误,这表明当前场景中的渲染实例数量已经达到了引擎的默认上限。
问题分析
DagorEngine通过网格化系统管理场景中的渲染实例,将整个场景划分为多个网格单元(cell)。每个单元都有预设的最大RI数量限制,这是出于性能优化的考虑。当场景规模较大或需要放置大量重复对象时,很容易触及这个限制。
解决方案
通过修改application.blk配置文件中的riMgr(Render Instance Manager)参数,可以调整网格划分方式和每个单元的RI容量上限。以下是优化后的配置参数:
riMgr {
outerLandBorder:r=0
type:t="aces"
gridCellSize:r=2048
subGridSize:i=8
minGridCellSize:r=512
minGridCellCount:i=16
writeOptTree:b=yes
packedRIBB:b=yes
gen {
PC:b=yes
and:b=no
iOS:b=no
}
tmInst12x32bit:b=yes
maxRiGenPerCell:i=65536
maxRiExPerCell:i=131072
perInstDataDwords:i=1
perInstDataUseSeed:b=yes
}
参数详解
- gridCellSize:主网格单元大小,设置为2048单位
- subGridSize:子网格划分粒度,值为8
- minGridCellSize:最小网格单元大小,设置为512单位
- maxRiGenPerCell:每个单元生成的RI最大数量,保持默认65536
- maxRiExPerCell:每个单元额外RI的最大数量,提升至131072
- tmInst12x32bit:启用12x32位实例数据格式
实施建议
- 根据场景实际大小调整gridCellSize和minGridCellSize参数
- 大型开放世界场景可能需要更大的gridCellSize
- 密集区域可以考虑适当减小minGridCellSize
- 性能敏感的平台上需要谨慎调整这些参数
注意事项
修改这些参数可能会影响渲染性能,特别是在低端硬件上。建议在调整后进行全面的性能测试,确保帧率保持在可接受范围内。同时,不同版本的DagorEngine可能有不同的默认值和限制,需要根据实际情况进行调整。
通过合理配置这些参数,开发者可以在保持良好性能的前提下,突破默认的RI数量限制,满足大型复杂场景的开发需求。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
229
259
暂无简介
Dart
680
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
493