引言

我在来自 Bohemia Interactive 的《Arma Reforger》的生产级游戏资产上，对四款免费、开源的网格简化工具（meshoptimizer、CGAL、Open3D 和 fast-simplification）进行了基准测试，以弄清独立开发者究竟该用哪一款。我针对八个资产运行了 288 次基准操作，然后让 150 人在近 2,800 次成对比较中评判视觉质量。以下是我希望在我刚开始时就已经存在的推荐表格，以及数字背后隐藏的故事。

测得几何误差最低的那款工具，在人们实际观看偏好中排名第三。人们最偏好的工具同时也是最快的。而那款速度第二快的工具，在被要求简化 80% 时，把一座教堂塔楼压塌成了锯齿状的尖刺。

为什么这很重要

如果你有预算，你就去购买 Simplygon 授权，然后了事。但我们大多数人并不在有这种选择的游戏工作室工作。如果你是独立开发者、学生或小团队，你就是在免费工具之间做选择，而没有关于哪一款能在真实游戏资产上真正产生好结果的实证指导。

这四款工具

这四款都实现了二次误差度量（quadric error metric）的变体，这是大多数网格简化背后的标准算法。meshoptimizer、Open3D 和 fast-simplification 都可以在不到三分钟内通过 pip 安装。CGAL 需要通过 vcpkg 进行 C++ 编译，带有 109 个依赖项，构建时间约一小时。

何时该用哪种工具

排名前三的工具在感知偏好上的差距仅有 3.4 个百分点。差距非常小。如果你无法安装 CGAL，meshoptimizer 能覆盖大部分相同的功能。

表格没有向你展示的内容

数字会把故事抹平。以下是数据实际呈现出的样子。

fast-simplification 使用了一种激进的误差阈值，该阈值随着每次迭代而升级。在紧凑、水密几何体上，它运行良好。在 Church 上，由于其塔尖和窗棂，算法在减少 79.5% 时遇到了瓶颈，而不是所要求的 90%，而且它实际生成的结果在结构上被破坏了。

它还填充了 Jeep 的挡风玻璃空洞，并移除了 Watermill 的桨叶。开发者自己的文档说，该方法“适用于没有薄截面的水密体”。这是一个狭窄的细分领域，大多数生产管线都不适合。

Open3D 的情况则更为微妙。它把顶点放置得比任何其他工具都更贴近原始表面，差距达到三倍。但它在折叠边时会平均顶点法线，这意味着硬表面资产的结果看起来像被“枕头化”了：在美术师本想要锐利边缘的地方却变得平滑。而在像 Bunker 沙袋或 Mi-8 直升机机身这样的有机几何体上，同样的平滑反而有帮助，Open3D 在这些资产上的感知表现领先。

问题在于，它的几何误差指标看起来完美，视觉效果却并非如此。这就引出了一个更广泛的发现：像豪斯多夫距离这样的几何精度指标，只能解释驱动玩家视觉偏好的因素中约 10–15% 的部分。着色保持、轮廓完整性和特征保留的重要性要大得多，而没有任何标准指标能捕捉到这些。如果你通过比较哪个工具报告的误差数值最低来评估简化工具，那你很可能在优化错误的目标。

meshoptimizer 在任何单个资产上都没有取得压倒性的胜利，但它也从不惨败。它在折叠前按类型对顶点进行分类，从索引缓冲区自动检测属性不连续之处，并保留其他工具要么忽略、要么平均掉的着色边界。正是这种跨资产类型的一致性，让它登上了感知偏好的榜首（57.6%）；而且平均 24 毫秒的速度，也让它在速度上大幅领先。

CGAL 在对紧凑硬表面物体进行适度减面时表现最强，在 50% 减面率下以 63.5% 的胜率在感知上领先。但在激进减面水平下它的效果会下降，而且对于没有 C++ 经验的人来说，安装它是一个真正的门槛。

自己动手试试

完整的基准测试流程、感知研究平台和分析脚本都已发布在 [GitHub]上。你可以在自己的资产和方法上运行同样的评估，而无需重新搭建基础设施。完整的论文也包含在该仓库中。

Lukáš Gallo，技术美术

相关链接

• GitHub

原文链接：https://80.lv/articles/testing-4-free-mesh-simplification-tools