Minetest中禁用着色器时星星颜色显示异常的修复分析
2025-05-20 11:38:08作者:宣聪麟
问题背景
在Minetest游戏引擎中,当玩家禁用着色器效果时,天空中的星星会显示出与启用着色器时不同的颜色。具体表现为:
- 启用着色器时:星星呈现较暗的色调(与天空混合后的效果)
- 禁用着色器时:星星显示API设置的原始颜色(忽略alpha通道)
技术原因
这个问题的根源在于Minetest的sky.cpp文件中星星渲染的实现方式:
-
硬件光照的使用:代码中使用了硬件光照来处理星星纹理(以及其他几种纹理),但这仅在GL驱动程序中实现,并且仅适用于无着色器的材质。
-
颜色处理差异:
- 启用着色器时:使用"stars_shader"着色器,星星颜色会与天空混合
- 禁用着色器时:直接使用API设置的颜色(忽略alpha通道),默认值为video::SColor(105, 235, 235, 255)
-
历史变更:这个问题实际上是在5.4.0版本中引入的(提交3077afc0a2039cd4c8d64d9df62ed9b2ba6463dc)。在5.0.1版本中测试显示,星星始终呈现较暗的颜色。
解决方案分析
开发团队提出了两种修复方案:
-
恢复旧版本实现:
- 优点:在真正的固定功能管线(OpenGL视频驱动)中,通过固定管线光照设置动态颜色,性能较好
- 缺点:在模拟固定功能管线(OpenGL3/OGLES2视频驱动)中,使用静态顶点颜色,虽然性能好但会导致颜色不正确(例如日出时星星应该淡出的效果无法实现)
-
新实现方案:
- 统一使用顶点颜色设置动态颜色
- 优点:在所有情况下都能正确显示颜色
- 缺点:性能可能略有下降
最终决策
经过讨论,团队决定采用新实现方案,原因如下:
- 正确性优先:确保在所有情况下都能正确显示星星颜色比优化无着色器路径的性能更重要
- 技术发展方向:移除对
Lighting = true的依赖是代码演进的正向选择 - 实际影响:现代硬件对顶点颜色处理的性能影响可以忽略不计
技术实现细节
修复方案主要包含以下修改:
-
根据是否启用着色器选择不同的材质类型:
- 启用着色器:使用"stars_shader"材质
- 禁用着色器:使用EMT_TRANSPARENT_ALPHA_CHANNEL材质
-
颜色设置逻辑调整:
- 启用着色器时:通过EmissiveColor设置颜色
- 禁用着色器时:通过setMeshBufferColor设置网格缓冲区颜色
-
顶点数据优化:
- 移除了硬编码的备用颜色
- 简化了顶点数据结构
这个修复确保了在不同渲染模式下星星颜色的一致性,同时保持了代码的简洁性和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
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
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
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
330
暂无简介
Dart
685
160
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
React Native鸿蒙化仓库
JavaScript
266
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
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869