GPU Gems 3 · Chapter 3. DirectX 10 Blend Shapes: Breaking the Limits

先看一张会叠加的脸

想象一张中性的脸：嘴角、眼皮、眉毛都是可以单独推拉的小纸片。一次只动嘴角很简单；但如果同时眨眼、挑眉、微笑和说话，真正困难的不是“能不能相加”，而是“这些小纸片怎样送到 GPU”。

本章解决的问题是：如何让几十个表情组件参与同一次变形，而不把所有数据都塞进有限的顶点输入槽？如果不解决它，程序要么把合成工作退回 CPU，要么把表情限制在很小的集合；两者都会牺牲响应速度或表现力。

1. blend shape：neutral 加上带权重的差分

一个表情不是一张完整的新网格，而是 neutral mesh 到目标姿势的差分向量。对一个顶点来说，可以把它写成：deltaᵢ = poseᵢ - neutral；最终位置则是 neutral + weight₁ × delta₁ + weight₂ × delta₂ + ...。法线和切线也可以采用同样的差分思路，UV 等没有变化的属性继续从 neutral mesh 复用。

这一定义让“复合表情”自然出现：眨眼、微笑和挑眉各自只影响自己的 delta，权重可以同时非零。动画曲线只需更新当前有效的权重和索引，不必每帧重新制作一张完整脸。

2. attribute budget：为什么四个 active shapes 不够用

旧的 GPU 路线把每个 active blend shape 的位置、法线和切线差分都作为顶点属性绑定。neutral mesh 已经占据位置、法线、切线和 UV；再加四个表达式，很快就接近 DirectX 10 的 16 个输入属性预算。把 54 个表达式全部同时绑定，会产生远超输入槽的属性宽度。

这里的限制不是“艺术家只能做四种表情”，而是“一次 vertex shader invocation 只能直接看到很窄的一组输入”。因此本章的两条路线都保持同一个目标：静态数据可以很多，但每次处理只让当前需要的 delta 进入计算。

3. stream-out：用多 pass 拆开属性宽度

stream-out 方法把 active 表情分组，每轮最多合并一到四个 delta。第一轮从 neutral 开始，输出“neutral 加第一组表达式”；第二轮读取上一轮结果，再叠加下一组。两个 vertex buffer 交替作为输入和输出，直到所有 active shapes 都被累积，最后把结果当作普通 mesh 绘制。

如果每轮能处理 k 个表达式，active shapes 为 n 时，累积轮数大致是 ceil(n / k)。这增加了 pass 和中间 buffer 流转，但有一个重要优点：最终顶点可以留在 stream-out buffer 中。角色定制完成后，可以缓存结果，后续帧不必再次合成全部表情。

4. buffer template：把迭代留在 vertex shader

第二条路线把所有静态 blend shape 放进一个大 buffer，neutral mesh 仍由 input assembler 提供，delta 则通过 shader resource view 在顶点着色器中显式 Load()。另有两个动态的小 buffer 保存 active indices 和 weights，numBS 决定本帧循环多少项。

SV_VertexID 让每个顶点知道自己在 mesh 中的编号。着色器用 shapeOffset + 3 × vertexID + channel 定位位置、法线和切线差分，再乘权重累加到当前顶点。静态数据可以远超输入属性槽，单次 draw 便能完成 active list 的迭代；代价是每个顶点要执行更多 Load 和循环。

float3 pos = input.position;
float3 normal = input.normal;
float3 tangent = input.tangent;
 
for (uint i = 0; i < numBS; ++i) {
  uint base = bsPitch * bsOffsets.Load(i);
  float weight = bsWeights.Load(i);
  float3 dp = bsVertices.Load(base + 3 * vertexID + 0);
  float3 dn = bsVertices.Load(base + 3 * vertexID + 1);
  float3 dt = bsVertices.Load(base + 3 * vertexID + 2);
  pos += dp * weight;
  normal += dn * weight;
  tangent += dt * weight;
}

注意“无限”只描述地址空间相对输入槽更宽，不代表 GPU 工作量无限免费：active list 越长，Load 越多；如果每个 delta 还包含切线，带宽和 shader 循环都会增加。

5. 两条路线的取舍：调用、读取与缓存

stream-out 的性能会随着表达式组数增加而下降，因为 CPU 需要驱动更多轮 buffer 流转；buffer-template 把迭代保留在 vertex shader，通常能减少中间流转和 API 调用。官方样例报告，在 6 个表达式时第二种方法约为第一种的 1.34 倍，在 50 个表达式时约为 2.4 倍；这些是该样例和旧硬件上的相对结果，不是跨引擎承诺。

但 buffer-template 并非永远取胜：如果表情很少、最终结果要跨多帧复用，stream-out 可以把合成后的 vertex buffer 缓存下来；如果表达式很多、每帧都变且不想反复 stream-out，buffer-template 更适合。还要检查 buffer view 的元素宽度：不同宽度的属性需要 padding 或 shader 重组，不能把任意结构体直接当作模板元素。

6. 把实验信号和角色需求对齐

官方 Dawn 样例把 54 个表情分成多个组，用动画曲线驱动一部分权重，同时保留手动滑杆来叠加其他表达式。下面的实验把这个思路缩成可观察信号：active shapes 代表当前非零表达式，delta channels 代表每个表达式需要改变的位置、法线和切线的宽度，压缩代表更紧的输入预算，缓存代表是否值得保留最终结果。

先猜一猜：把 active shapes 从 18 调到 54，stream-out 的 blend passes 和 API calls 会怎样变化？切到 buffer-template 后，哪一项保持为 1，哪一项会随表达式数增加？

三步验收：从 delta 定义到策略选择

本章小结

• blend shape 是 neutral 到目标姿势的逐顶点 delta，可按权重组合复合表情。
• 顶点属性预算限制一次输入的宽度，不限制可制作的表情总数。
• stream-out 用多 pass 和 ping-pong buffer 拆开属性压力，也能缓存最终网格。
• buffer template 用 shader resource buffer、SV_VertexID 和 Load 循环支持更宽的 active set。
• 选型要同时看 pass、draw calls、delta reads、带宽和跨帧缓存需求。