# Wave 1 · TOP-01 面部重拓扑边流分析

日期：2026-11-04（Asia/Shanghai）  
分析对象：`TOP-01__dev`、`TOP-01__test1`，运行 `20261103_062747_86205a` 的 `V0-r1` 输出  
模型：`gpt-6-astra / max`

本文只分析布线走势，以及它与动画生产要求的关系。图片全部来自已有输入预览、美术参考预览和模型交付，未重新渲染或修改像素。本次没有运行模型、Blender、重评或变形测试，也没有计算下文建议的新指标。B2 是用于评测和校准的美术参考，不是 GPT 输出，执行原任务时模型看不到它。

## 1. 判断：规则四边形之外，还要看整张脸的边流组织

只看布线走势，GPT 的 dev 结果有明显的方框式补片；test1 虽然好一些，但面颊、眼眶和嘴周之间的边流仍显得机械。此前展示了它有多少圈边环，没有充分分析这些环怎样连接成整张脸。

“设计师做得一块一块很自然”主要涉及三个概念：

- **边流（edge flow）**：边线怎样沿形体延伸、转向、汇合和终止。
- **解剖结构导向**：眼眶、嘴周、鼻唇沟、颧部等区域如何组织。
- **变形导向拓扑**：这些组织能否支持眨眼、微笑、噘嘴和张嘴等动作。

“顺肌肉”不是逐条描摹肌肉纤维。皮肤会受到多块肌肉共同影响，需要同时考虑形体、褶皱和运动。额头、后脑出现规则四边形很正常；眼、嘴和面颊交界处是否有合理的转向，才是本次值得关注的地方。

## 2. 动画生产实际要求什么

Autodesk 的面部制作指南要求：边环应反映面部肌肉结构，尽量沿预期变形方向及其垂直方向组织；眼周需要连续环线；极点应尽量放在变形较小的位置；眼睑、嘴角、鼻唇沟等区域需要有针对性的网格密度。[Autodesk：Modeling the Head](https://download.autodesk.com/global/docs/softimage2014/en_us/userguide/files/face_modeling_ModelingtheHead.htm)

| 区域 | 专业制作关注的走势 |
|---|---|
| 眼周 | 围绕眼睑、眼眶组织环线，并向眉弓、鼻梁、面颊平顺过渡。 |
| 嘴周 | 嘴唇周围有环线，同时为嘴角外拉、噘嘴、上下唇开合留出结构。 |
| 鼻翼—嘴角—面颊 | 边流考虑鼻唇沟的弧线，以及微笑时面颊向外上方运动的方式。 |
| 下唇—下巴—下颌 | 能处理张嘴时的拉伸、压缩和体积变化。 |
| 区域连接处 | 利用极点重新分配边流、增加或减少密度，避免所有线条一路贯穿整张脸。 |

极点是连接边数不等于 4 的顶点。它是组织边流的工具，不能简单理解为“数量越少越好”。Maxon 的重拓扑说明也强调，动画角色需要围绕眼、嘴等部位安排特定边环模式，自动生成的网格未必能稳定提供所需结构。[Maxon：Retopology](https://help.maxon.net/zbr/en-us/Content/html/user-guide/3d-modeling/topology/Retopo/01-retopo.html)

想直观看制作过程，可以参考 Blender Studio 的面部拓扑规划课程及同章的边流、极点和折痕课程。[Blender Studio：Planning the Facial Retopology](https://studio.blender.org/training/stylized-character-workflow/5e5407ec8faf011a381510d7/)

## 3. 对照 GPT 的实际结果

以下比较是基于已有截图的视觉判断，尚不是变形实测结论。两侧截图的材质、照明、构图和显示方式不同，因此不拿阴影深浅直接判断优劣，重点比较可见边线的连接和走势。

### 3.1 dev：方框式补片最明显

| 美术参考 B2 · 正面 | GPT V0 输出 · 正面 |
|---|---|
| ![dev 美术参考 B2 正面线框](images/top01_dev_reference_b2_front.png) | ![dev GPT V0 正面线框](images/top01_dev_output_gpt_v0_front.png) |

**眼睛外圈像一个方形框。** GPT 内侧确实绕着眼睛，但向外很快过渡成四个明显的角，再接入横纵网格。参考模型的眼周线条向眉弓、鼻侧和颧部展开得更连续。这种区别是“生硬感”的主要来源之一。

**嘴部像嵌入整张脸的一块独立补片。** GPT 的嘴环本身存在，但补片外围和面颊、下巴之间有明显转折。参考模型在这些区域逐渐改变边线方向和间距，分区边界没有这么突兀。

**面颊主要还是横线、竖线。** GPT 下眼睑到面颊、鼻翼到嘴角外侧的组织，较少体现参考中沿面部结构转向的趋势。

**局部密度和面形变化比较突然。** 眼唇附近密集的环接到外围较粗的格子时，出现一些细长、扇形的四边形。这里需要重点检查表情下是否出现夹痕或异常折线，不能仅凭“都是四边形”判断质量。

### 3.2 test1：局部改善，但全局网格倾向仍然明显

| 美术参考 B2 · 正面 | GPT V0 输出 · 正面 |
|---|---|
| ![test1 美术参考 B2 正面线框](images/top01_test1_reference_b2_front.png) | ![test1 GPT V0 正面线框](images/top01_test1_output_gpt_v0_front.png) |

test1 的眼环更圆滑，嘴周过渡也有所改善。但正面图仍能看到大范围横纵网格，以及局部环形区域与外围网格之间的明显边界。尤其值得继续检查的是眼眶到面颊、鼻翼到嘴角、嘴环到下巴的连接。

这与实际生成方式吻合：保存的构建脚本先建立结构化网格，然后在矩形区域内替换眼、嘴等环形补片。证据位于项目内：

```text
benchmark/wave1_v04/runs/20261103_062747_86205a/
  TOP-01__dev/V0-r1/build_retopo.py
  TOP-01__test1/V0-r1/build_retopo.py
```

test1 脚本约第 41 行开始建立 structured cage，第 71 行说明 rectangular chart holes；dev 脚本也明确使用网格及矩形边界过渡。分块建模本身是正常方法，这次不足的是分块之间的边流组织。上述脚本路径仅用于定位项目内证据，脚本不包含在本上传包中。

## 4. 有没有可以直接计算的标准

有可计算的指标，但本次查到的制作指南和研究没有给出一个通用阈值，能直接判定“这张脸的布线达到工业标准”。“四边形比例高”“有三圈眼环”只能覆盖部分要求；环数也不是所有项目通用的工业门槛。

有一篇非常贴合这个问题的研究：**Animation-Aware Quadrangulation（SGP 2013）**。作者比较了依据动画变形生成的网格、美术网格，以及只依据静态形状生成的网格；后者会呈现更人工化的结构。该方法使用局部变形的主方向指导网格方向。[作者项目页与论文入口](https://igl.ethz.ch/projects/animation-aware-quadrangulation/)

另一篇研究将不同姿态下的变形纳入考虑，调整网格方向、密度和长宽比例，避免某些区域在运动时采样不足。[Quadrangulation of Non-Rigid Objects using Deformation Metrics（2018）](https://graphics.cs.uni-paderborn.de/papers/NonRigidQuadrangulationGMP2018.pdf)

针对 TOP-01，下面几项更接近真正想测的能力。**这是建议的评测设计，目前没有计算这些结果，也不是对现有冻结任务或阈值的修改。**

| 指标 | 可以怎样计算 | 能抓住什么问题 |
|---|---|---|
| 边流方向对齐 | 将网格方向与美术标注的结构方向，或参考表情的主要变形方向比较，统计角度误差；考虑两个网格方向，避免把合理的垂直方向误判为错误。 | 脸颊横纵网格是否忽略了真实运动方向。 |
| 结构曲线覆盖 | 沿完整鼻唇沟、眶缘等曲线，测量附近边线的距离、切线方向和连续覆盖率。 | 仅连接鼻翼与嘴角两个端点，却没有沿途合理边流。 |
| 多表情形状保持 | 传递同一参考运动，比较微笑、噘嘴、眯眼、张嘴等姿态的表面和轮廓误差。 | 静态贴合很好，运动后形体却不自然。 |
| 局部网格畸变 | 分区域统计表情下的面角度、面积、长宽比例、翻面和夹痕变化。 | 方形补片四角及密度突变处是否产生异常。 |
| 极点位置 | 检查极点与活动褶皱、眼睑和嘴角的关系，并观察其周围变形。 | 单纯数极点，却忽略它们放在哪里。 |

计算时要注意：

- 正常皮肤本来就会拉伸，不能把“拉伸越小”一律当成越好。
- 专业网格也允许长条四边形，不能把“每个面越接近正方形”当成目标。
- 平坦或运动方向不明确的区域，不宜强行套用单一方向标准。
- 应比较是否准确表现目标表情，并用多个人工合格实例和错误对照校准，而不是临时指定一个看似精确的固定阈值。

## 5. 对这次 GPT 结果的判断

GPT 做出了完整、规则、带眼嘴环的网格，但整体的面部边流设计明显弱于美术参考，尤其是 dev。截图足以指出这些结构问题；是否实际导致变形失败，还需要表情测试确认。

单凭目前展示的环数和四边形数量，不能把它称为成熟的动画生产拓扑。更准确的评价是：已经具备若干局部拓扑结构，但全局边流、区域过渡以及面向表情的组织仍需要改进和验证。

## 附录 A：两轮讨论中的输入、参考和实际输出图片

为便于对应，补齐了两个实例已有的正面、四分之三视角及输出侧面，共 14 张原始 PNG。`input` 表示题目输入，`reference_b2` 表示评测端美术参考，`output_gpt_v0` 表示 GPT 实际交付。`three_quarter` 表示四分之三视角。

### A.1 dev · 风格化头

| 类型 | 正面 | 四分之三视角 |
|---|---|---|
| 输入三角网格 | ![dev 输入正面](images/top01_dev_input_front.png) | ![dev 输入四分之三视角](images/top01_dev_input_three_quarter.png) |
| 美术参考 B2 | ![dev B2 正面](images/top01_dev_reference_b2_front.png) | ![dev B2 四分之三视角](images/top01_dev_reference_b2_three_quarter.png) |
| GPT V0 输出 | ![dev GPT 输出正面](images/top01_dev_output_gpt_v0_front.png) | ![dev GPT 输出四分之三视角](images/top01_dev_output_gpt_v0_three_quarter.png) |

[dev GPT 输出侧面原图](images/top01_dev_output_gpt_v0_side.png)

### A.2 test1 · 写实头

| 类型 | 正面 | 四分之三视角 |
|---|---|---|
| 输入三角网格 | ![test1 输入正面](images/top01_test1_input_front.png) | ![test1 输入四分之三视角](images/top01_test1_input_three_quarter.png) |
| 美术参考 B2 | ![test1 B2 正面](images/top01_test1_reference_b2_front.png) | ![test1 B2 四分之三视角](images/top01_test1_reference_b2_three_quarter.png) |
| GPT V0 输出 | ![test1 GPT 输出正面](images/top01_test1_output_gpt_v0_front.png) | ![test1 GPT 输出四分之三视角](images/top01_test1_output_gpt_v0_three_quarter.png) |

[test1 GPT 输出侧面原图](images/top01_test1_output_gpt_v0_side.png)

## 附录 B：文件清单与完整性

```text
top01_edge_flow_analysis_zh-CN.md
SHA256SUMS
images/
  top01_dev_input_front.png
  top01_dev_input_three_quarter.png
  top01_dev_reference_b2_front.png
  top01_dev_reference_b2_three_quarter.png
  top01_dev_output_gpt_v0_front.png
  top01_dev_output_gpt_v0_side.png
  top01_dev_output_gpt_v0_three_quarter.png
  top01_test1_input_front.png
  top01_test1_input_three_quarter.png
  top01_test1_reference_b2_front.png
  top01_test1_reference_b2_three_quarter.png
  top01_test1_output_gpt_v0_front.png
  top01_test1_output_gpt_v0_side.png
  top01_test1_output_gpt_v0_three_quarter.png
```

图片使用相对链接，保持 Markdown 和 `images/` 的相对位置即可离线阅读。Linux 下可在本目录运行 `sha256sum -c SHA256SUMS`，核验 Markdown 与 14 张图片。
