TBDR架构下全屏后处理代价高昂，因为其核心优势（Tile级缓存处理）被打破。全屏后处理需从显存读取整屏数据到GPU内部处理，再写回显存，导致大量带宽消耗和功耗上升，丧失了TBDR的能效优势。相比之下，IMR架构因本就频繁访问显存，后处理影响较小。这一特性使TBDR移动设备需谨慎使用全屏后处理效果。
为什么TBDR架构下全屏后处理代价很大？
1. TBDR的高效之处
在正常渲染流程中，TBDR（Tile-Based Deferred Rendering）会把屏幕分成很多小块（Tile），每次只把一个Tile的数据放到GPU芯片内部的高速缓存（SRAM）里，所有渲染、深度测试、着色都在这块小缓存里完成，最后一次性把结果写回显存（系统内存）。
这样做的好处是：绝大多数像素数据都不会频繁进出显存，极大节省了带宽和功耗。
2. 全屏后处理的特殊性
全屏后处理（如Bloom、模糊、色调映射等）通常需要对整个屏幕的像素做统一处理。
这时，TBDR架构无法只在小Tile里“就地”处理，因为后处理需要访问整个屏幕的像素数据，而不是只处理当前Tile的三角形。
3. 带来的问题
必须把显存中的全屏数据（即前一帧的渲染结果）读取到GPU芯片内部，进行后处理操作。
处理完后，还要再把结果写回显存。
这个过程会导致大量的内存带宽消耗，因为全屏数据量很大，且每个像素都要被读写一次。
这正好违背了TBDR“只在片上缓存里处理小块数据”的初衷。
4. 对比IMR架构
在PC端IMR（Immediate Mode Rendering）架构下，所有像素本来就频繁进出显存，做全屏后处理和普通渲染的带宽消耗差别不大。
但在TBDR下，这种全屏数据的频繁搬运会让带宽和功耗急剧上升，极大削弱了TBDR的低功耗优势。
总结一句话
TBDR架构下，全屏后处理代价大，是因为它需要把显存中的整屏数据读回到GPU芯片内部处理，再写回显存，导致大量带宽消耗和能耗，无法像普通Tile渲染那样高效利用片上缓存。
移动端TBDR架构下，全屏后处理（Full-screen Post-processing）确实是性能和功耗的“杀手”。下面我从优化思路和引擎实践两个角度，给你详细建议：
一、优化移动端全屏后处理的思路
1. 减少全屏后处理Pass的数量
合并后处理Pass：将多个后处理效果（如Bloom、色调映射、色彩校正等）合并到一个Shader中，一次性处理，减少多次全屏读写。
只做必要的后处理：评估每个后处理效果的实际视觉收益，能关就关，能合就合。
2. 降低后处理分辨率
低分辨率处理：先将主渲染结果Downsample（缩小分辨率），在低分辨率下做后处理（如模糊、Bloom），最后再Upsample（放大）合成到主画面。这样大大减少了带宽和计算量。
动态分辨率：根据性能动态调整后处理分辨率。
3. 避免频繁切换RenderTarget
合并RenderTarget：尽量减少RenderTarget的切换，合并多个后处理步骤到同一个RenderTarget中。
使用多渲染目标（MRT）：如果硬件支持，可以一次性输出多个后处理结果，减少Pass次数。
4. 利用硬件特性
利用片上缓存（On-chip Memory）：部分移动GPU（如Mali、PowerVR）支持特定API（如OpenGL ES EXT_shader_framebuffer_fetch、Vulkan subpass input attachment），可以直接在片上缓存中读取上一步的结果，避免回写显存。
使用Subpass（Vulkan/Metal）：Vulkan的Subpass机制允许多个渲染步骤在同一帧缓冲内共享数据，减少带宽消耗。
5. 裁剪和区域处理
只处理需要后处理的区域：比如UI只需要局部模糊，不要全屏模糊。
动态遮罩：用遮罩控制后处理区域，减少无效像素处理。
6. Profile和真机测试
用工具分析带宽和功耗：如RenderDoc、Xcode Instruments、Android GPU Inspector，找出瓶颈，针对性优化。
二、在主流引擎中的实践建议
Unity
使用后处理栈（Post Processing Stack）时，合并效果，关闭不必要的特效。
利用CommandBuffer合批后处理操作。
设置后处理分辨率（如使用Render Scale、Downsampling）。
在URP/HDRP中，合理配置Render Feature，避免多次全屏Pass。
Unreal Engine
合并自定义后处理材质，减少全屏Pass。
利用Mobile Renderer的低分辨率后处理选项。
关闭不必要的后处理Volume。
Profile不同后处理效果的实际消耗，按需启用。
原生OpenGL ES/Vulkan/Metal
利用EXT_shader_framebuffer_fetch（OpenGL ES）或Subpass Input（Vulkan/Metal）减少带宽。
合并Shader，减少Framebuffer切换。
动态调整后处理分辨率。
三、典型优化案例
Bloom优化：先Downsample到1/4甚至1/8分辨率做模糊，再Upsample合成，带宽和计算量大幅下降。
色调映射+色彩校正合并：在同一个全屏Pass里做，避免两次全屏读写。
局部模糊：只对UI弹窗区域做模糊，其他区域不处理。
四、总结
移动端TBDR架构下，优化全屏后处理的核心是：减少全屏Pass次数、降低处理分辨率、合并操作、利用硬件特性、只处理必要区域，并通过Profile工具持续验证优化效果。
版权声明：本文为CSDN博主「你一身傲骨怎能输」的原创文章，
遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_33060405/article/details/149211548
