GPU Gems 3 · Chapter 7. Point-Based Visualization of Metaballs on a GPU

用 surface particles 采样元球隐式表面，把密度约束、邻域排斥、空间哈希与全局 dispersion 拆成可在 GPU 上并行的可视化流程。

学习目标

能解释 marching cubes、ray tracing 与 point-based surface sampling 的成本边界，以及为什么动态表面适合利用上一时刻的位置
能修改 Metaball Surface Particle Lab 的粒子数、邻域半径、cell size 与分布策略，观察覆盖率、重叠和邻居查询工作的变化
能回答：隐式表面的密度约束、局部排斥和全局搬运分别解决什么问题，哪一步应该留在 CPU、哪一步交给 GPU

先决定你要跟踪“体积”还是“表面”

想象一团会流动的果冻。你可以每一帧把它所在的整个盒子重新切成小方格，也可以从相机发出许多视线逐像素寻找边界；还有一种做法，是让一群小点贴着边界走。三种做法都能画出形状，但它们花力气的位置完全不同。

本章解决的问题是：怎样让这群小点在形状变化时仍覆盖出一张连续的流体表面，并把最重复的邻居计算交给 GPU？如果只追求点的数量，画面会出现重叠与空洞；如果只追求一次性的漂亮网格，下一帧又会把同样的工作从头做一遍。

1. 三种表面路线的取舍

marching cubes 扫描一个包住物体的三维网格，在每个 cell 的角点上判断等值面并生成三角形；它的工作量跟包围体积相关。ray tracing 则从屏幕像素出发重新寻找表面，适合直接得到深度，但连续帧之间的点位不能自然复用。point-based 方法把渲染对象改成 surface particles：上一时刻已经贴住表面的粒子，下一时刻只需做小幅移动。

2. 用密度场定义一张会移动的面

每个 fluid atom 带着位置、影响半径和权重。把这些影响叠加，就得到位置 x 上的 density field F(x)；当 F(x) 达到约定的 iso-value 时，那里就是元球表面。这个模型与 SPH 的平滑密度相近，所以适合表达柔软、会融合的形状。

surface particles 不负责决定形状，它们只负责把形状采样出来。每个点需要知道自己的位置、速度，以及密度值和 gradient；这样 GPU 才能判断它偏离表面的方向，并把它拉回到正确的等值面附近。

3. 先约束到面上，再沿面移动

粒子的目标速度由两部分组成：一部分跟随影响它的 fluid atoms 的环境速度，另一部分来自邻居之间的排斥。把这两个分量合成 desired velocity Dᵢ 后，用 density gradient 计算约束项，去掉会让 F 偏离 iso-value 的法向分量，留下跟随表面变化的速度。

这解释了为什么只把粒子沿当前表面切线移动还不够：表面本身正在变形，粒子必须同时追踪 F 的变化。反过来，如果只追踪环境速度而没有排斥，所有粒子会在局部聚拢，表面覆盖就会出现大块空白。

4. 用 spatial hash 把邻居查询缩到局部

fluid atom 只在自己的 influence radius 内贡献密度，因此不必让每个 surface particle 遍历所有 atoms。CPU 把 atom 的位置和速度整理进 hash index table 与 attribute pools，再把它们作为纹理数据送到 GPU。GPU 查询时先把位置离散成 cell，再读取对应 bucket。

本章的 inverted hash 会把一个 atom 加入它影响到的多个 cell。这样 GPU 通常一次查询就能拿到候选邻居，但 CPU 构建会有更多重复写入。若系统是 GPU-bound，这个交换通常划算；若 CPU-bound，则应重新评估 cell size 与传统单次入桶方案。

5. 两遍排斥与全局 dispersion

排斥力要找附近的 surface particles，但 GPU 上动态构建可变长度邻居表并不便宜。两遍方法把第一遍的浮点 render target 当作临时位置图：每个粒子先写自己的 world-space position；第二遍为每个粒子绘制包住影响球投影的 quad，fragment shader 读取位置图并累加 repulsion force。

这个方案的边界也很具体：两个粒子投到同一个 pixel 时，位置图会丢掉一个候选。提高 viewport resolution 能减少冲突，但不是免费的；因此它是“用规则的两遍绘制换邻居表构建”的工程折中。

局部排斥会让粒子慢慢摊平，却可能很久都填不满彼此断开的区域。global dispersion 周期性地比较一个 base particle 与另一个 comparison particle 的 density；若密度差超过 threshold T，就把高密度位置的粒子搬到比较粒子的 influence border。随机位置来自预先生成的纹理，让搬运不要把表面变成整齐的抖动。

6. 从采样点合成平滑透明表面

surface particles 通常扩成 oriented quads，而不是直接画成硬圆点。先做 depth pass 保存每像素的 frontmost depth，再用粒子中心到 quad 中心的距离生成 alpha accumulation，最后只让通过 frontmost test 的粒子参与混合。density gradient 和 curvature 还可以用来扰动 quad 的 normal，让高光不再暴露“这是许多贴片”的感觉。

猜一猜：把 particle 数量加倍而不改变 oriented quad 的大小，会先改善 coverage，还是先增加 overlap 与 blend 成本？打开实验，把结果与前面三条路线的选择放在同一张设计表里。

Metaball surface particle 实验

观察 surface coverage、邻居查询工作量和空洞风险如何随粒子分布策略改变；数值是教学趋势示意，不替代真实 GPU profile。

fluid atoms：5surface particles：32repulsion radius：54hash cell size：38distribution mode

两阶段策略同时处理局部重叠与全局空洞，但需要额外的分布 pass。

三步验收：从隐式场到可绘制的流体表面

分步1 / 3

第一步：把 fluid atoms 变成可查询的隐式场

先明确 atom 的位置、速度、半径与权重，构建 CPU-side spatial hash，让 fragment shader 能在局部范围计算 density F 和 gradient。不要一开始把所有邻居塞进全局列表。

本章小结

point-based 方法用 surface area 与时间连贯性换取动态元球的可扩展采样。
implicit surface 由 fluid atoms 的平滑密度叠加定义，不等同于固定三角网格。
gradient constraint 追踪表面，repulsion pass 解决局部重叠，global dispersion 填补全局空洞。
spatial hash 把局部邻居交给 GPU 查询，cell size 是 CPU 构建与 GPU 查询的取舍。
oriented quads、depth、alpha 与 normal perturbation 共同把粒子采样合成平滑表面。

练习

问题 1｜解释约束。 surface particle 已经贴在当前的 implicit surface 上，为什么下一帧仍需要同时计算 density gradient 和 environment velocity？如果只保留其中一个，会出现什么现象？

问题 2｜修改 Demo 代码。 给 Metaball Surface Particle Lab 增加一个 thresholdT 控件：当比较粒子的 density 差小于它时不搬运。你会如何修改 global dispersion 的判断，才能减少表面 restless？

问题 3｜场景选型。 一个 GPU-bound 场景中有许多 fluid atoms，另一个 CPU-bound 场景需要频繁更新 atom 数据。分别如何选择 inverted hash、cell size 与 distribution pass？

名词解释

本章出现的专业名词，用大白话再讲一遍。

implicit surface
surface particle
spatial hash
repulsion pass
global dispersion