记录一下阅读acl unreal plugin，以及将acl集成到游戏引擎中的一些使用心得；
acl的使用方法
acl插件1的使用方法，在仓库中有非常完整的文档说明，并且有配套的博客2来讲解背后的实现原理；
acl的验证
在acl的tools文件夹包含一些简单的压缩与解压example，比较适合单独验证acl的压缩与解压缩；
对于没用过acl的人，可以将自己的单个动画片段的数据整理后，整合acl做一个小程序进行压缩与解压缩的验证；写法可参考tools文件夹下的example；
从我验证的结果来看，acl压缩的质量非常之高，并且使用非常低的内存与磁盘存储，并且动画效果肉眼几乎看不出压缩的痕迹；
acl的引擎集成
如果完成了acl的验证过程，基本上对acl的集成有了充分的认识，那么集成acl就相对简单点；
比较好的集成方式，是参考acl-ue4-plugin3的实现，整个结构非常清晰与完整，对引擎不会有太大改动；
整个集成过程可分为三步：
压缩过程：
- 准备骨骼动画数据，将引擎内部的骨骼动画数据转换为acl需要的acl::track_array_qvvf类型；
- 设置压缩参数，比如压缩误差、压缩质量等；
- 调用acl压缩接口，将压缩结果存至以内存块，并将内存块的二进制数据以引擎内部存储形式存储至文件；
解压过程：
- 加载压缩数据，cast为acl使用acl::compressed_tracks类型；
- 进行必要的解压缩初始化流程；
- 在动画数据采样时，调用acl提供的decompress_track流程即可；
acl使用一些注意事项
acl需要的骨骼动画数据，需要为原生的骨骼动画数据，并且骨骼动画数据需要保存动画数据之间的骨骼链信息，并且需要每个track的samplerate、length、keycount保持一致；准备数据时务必要保证这一步满足要求；
acl只提供了uniform sampling的算法，并没有提供keyframe reduction的算法，因此想要集成keyframe reduction算法的话，需要自己重新去写一套，工作量应该会比较大；
存储与加载acl压缩数据时，还需要注意另外一个细节就是字节对齐，acl::compressed_tracks是16字节对齐的；
关于acl的一些感想
acl厉害的一点是采用了更加合理地误差计算（考虑了误差沿骨骼链传递的因素），并且针对uniform sampling，采取了更合理的误差优化算法；
如果想要集成Keyframe Reduction算法，acl所使用的误差计算方式是非常值得借鉴的，而误差优化算法就需要去精心设计（也就是抽取哪一帧更加合理）；更进一步，Keyframe Reduction过后的数据，仍可以使用量化的算法来进行存储（仅仅是数据的量化）；这是一个很大的工程量；
acl关于骨骼动画压缩着一块，基本上只能适用于骨骼动画；但是acl还提供了标量数据的压缩，标量数据的压缩显得更加的通用，只要提供合适的误差算法，使用acl进行标量数据的压缩也是一步很大的优化；事实上，acl-ue4-plugin里所提供的关于blendshape动画的压缩，就是采用acl标量数据的压缩方法；
acl的bit位数选择策略
acl对clip切分后，针对每个track conponent来计算其应需要的压缩bit数；由于track conponent数量过多，采用穷举的方法来选取bit数显得耗时过高而不可取；acl采取启发式的算法来选取，不期望全局最优，但是在可接受的误差范围，并且压缩耗时会大大降低4；
acl设置了16中可选的bit位数，0, 3, 4, …, 16, and 23；从而减少了搜索范围；
Initial State
为了保证最高精度，acl会将每个track的bit位数初始化为最高的位数23bit；
First Phase
第一阶段为了能够加快搜索速度，acl会对每一个track都进行固定bit位数的下降，知道恰好不超过设定的误差范围；不过根部节点除外，因为根部节点，比如相机节点，一般都会有非常高的精度要求，如果对其进行处理，反而会引入更大其他误差；
比如相机的旋转，如果我们对其进行不合适量化，离相机越远就会引入更大误差；
Second Phase
第二阶段为了能够精确计算结果，会针对所有的track进行迭代，来尽可能降低每个track的bit位数，直到误差恰好满足设定的要求；
这个过程中，遍历track的顺序非常重要，从根节点向叶节点遍历，与从叶节点向根节点遍历，产生的bit位数分布会有相当多不同；从叶节点向根节点遍历，叶节点会使用更低的bit位数，由于叶节点相比根节点会多很多，这样对减少内存会起更大作用；同样由于叶节点使用较低bit位数，父节点因而会保持较高的bit位数，来保证误差满足设定的要求；
acl的作者进行了测试，相比从根节点向叶节点遍历，从叶节点向根节点遍历会减少2%内存，并且不会产生任何精度、加压缩时间的问题；