「游戏建模干货」建模大师几步操作,学习经典,赶紧脑补一下吧

简介: 在开始为尼尔森建模前,我所想的是制作一个可爱的角色,所以我不仅要在形状上下功夫,而且还要在表情上下功夫。我在ZBrush中建模了尼尔森。首先我确定了身体大小,然后调整了比例,最后添加了细节。模型完成之后,我将其导出到3dsMax。然后头发进行了建模,因为我想让头发有一个大致的造型,可以使用一些基于头发loop而使用的Ornatrix系统。

第一步:建模

在开始为尼尔森建模前,我所想的是制作一个可爱的角色,所以我不仅要在形状上下功夫,而且还要在表情上下功夫。我在ZBrush中建模了尼尔森。首先我确定了身体大小,然后调整了比例,最后添加了细节。模型完成之后,我将其导出到3dsMax。然后头发进行了建模,因为我想让头发有一个大致的造型,可以使用一些基于头发loop而使用的Ornatrix系统。

图片.png

图片.png

第2步:Retopology(再拓扑)

我开始从基础网格建模尼尔森,这样一来可以节省一些时间,因为我不必做所有的retopology,只用做一些调整,如增加或者削减一些边缘loop。在这张图片中,你可以看到网格的边缘loop。我会使用3dsMax处理这个小调整。

图片.png

第3步:Rigging(索具)

我并不打算制作这个角色的动画,所以我只是为了确定姿势而制作了索具。我为手臂制作了IK/FK混合系统——这是一种混合式的脊柱,它同时具有FK和IK系统,并且可以弯曲角色,也可以进行简单的脚部旋转以及对面部的混合变形进行简单控制。

图片.png

第4步:教室

因为可以设置很多重复的对象,所以教室完成得很快。我还放了一些彩蛋在里面,比如我妻子的名字和以前的一些作品。我尽量不在课堂上添加很多细节,同时保持尼尔森的细节水平。

图片.png

图片.png

第5步:阴影/贴图

我使用V-Ray渲染器来制作此图像的阴影。我在ZBrush中绘制的贴图主要包括皮肤的漫反射一类的东西,而在Photoshop中为衣服绘制了贴图。我还使用ZBrush来提取唇部和指甲上的细小皱纹等细节作为法线贴图和位移贴图。

图片.png

第6步:外观

我使用V-Ray做了尼尔森的外貌,因此我在里面放置了一个带有HDRI贴图的顶灯,以及一个用于确定皮肤上光线是否合适的背光灯。创建照明后,我开始设置阴影。对于皮肤我使用VrayFastSSS2,衣服使用VRayMtl。对于皮肤阴影,我更喜欢SSS颜色通道中的衰减贴图,使用输出功能设置第二张贴图,使其更明亮,外观更加柔和。

下图可以说明步骤:

图片.png

图片.png

第7步:场景照明

对于现场照明,我在天花板上使用了许多V-RayPlanes来填充环境。另外,对于主灯,我使用了V-RaySun,以及Sky。我把V-RaySun放低了一点点,几乎可以看到日落。我将太阳定在可以照亮纳尔逊脸部的一侧的位置,在角色上产生阴影/光线的对比。

图片.png

第8步:组成

让这些桌子的摆放具有对称性,只是为了有一个和谐统一的整体构图。为了保持角色外形的张力,我在中间部分留出了更多空间。另外,出于同样的原因,我在后台放置了一些海报。我将相机放在以蓝色表示的金字塔形状的高度上,使桌子的消失点和人物头部的顶部重合。我还将图像分成了三部分。

图片.png

第9步:后期处理

我在Photoshop中进行了后期处理。对于这个项目,我渲染了一些渲染通道,如直射光,世界法线贴图,环境遮挡,体积光和镜面反射。通过法线贴图,我分别为RGB选择了3个通道,并将蒙版放入曲线内,以便根据世界坐标控制光线。我对环境遮挡通道做了同样的处理,通道选择,然后加入曲线,然后反转遮罩。

图片.png

相关文章
|
5月前
如何用公式化思维?几个经典公式收集
如何用公式化思维?几个经典公式收集
|
2月前
|
机器学习/深度学习 人工智能 TensorFlow
神经网络不再是黑魔法!Python带你一步步拆解,让AI学习看得见
【8月更文挑战第3天】神经网络,曾被视为难以触及的黑魔法,现已在Python的助力下变得平易近人。以TensorFlow或PyTorch为“魔法杖”,仅需几行Python代码即可构建强大的AI模型。从零开始,我们将教导AI识别手写数字,利用经典的MNIST数据集。通过数据加载、预处理至模型训练与评估,每个步骤都如精心编排的舞蹈般清晰可见。随着训练深入,AI逐渐学会辨认每个数字,其学习过程直观展现。这不仅揭示了神经网络的奥秘,更证明了任何人都能借助Python创造AI奇迹,共同探索未来的无限可能。
36 2
|
4月前
|
算法
计算机算法设计与分析 第1章 算法概述 (笔记)
计算机算法设计与分析 第1章 算法概述 (笔记)
|
11月前
|
机器学习/深度学习 数据采集 PyTorch
深度学习代码怎么读-小白阶段性思路(以手写数字识别应用为例)
深度学习代码怎么读-小白阶段性思路(以手写数字识别应用为例)
183 0
|
机器学习/深度学习 人工智能 自动驾驶
强化学习从基础到进阶--案例与实践含面试必知必答[10]:模仿学习、行为克隆、逆强化学习、第三人称视角模仿学习、序列生成和聊天机器人
强化学习从基础到进阶--案例与实践含面试必知必答[10]:模仿学习、行为克隆、逆强化学习、第三人称视角模仿学习、序列生成和聊天机器人
强化学习从基础到进阶--案例与实践含面试必知必答[10]:模仿学习、行为克隆、逆强化学习、第三人称视角模仿学习、序列生成和聊天机器人
|
机器学习/深度学习 人工智能 算法
强化学习从基础到进阶-案例与实践[4.2]:深度Q网络DQN-Cart pole游戏展示
强化学习从基础到进阶-案例与实践[4.2]:深度Q网络DQN-Cart pole游戏展示
强化学习从基础到进阶-案例与实践[4.2]:深度Q网络DQN-Cart pole游戏展示
|
机器学习/深度学习 人工智能 机器人
强化学习从基础到进阶--案例与实践含面试必知必答[9]:稀疏奖励、reward shaping、curiosity、分层强化学习HRL
强化学习从基础到进阶--案例与实践含面试必知必答[9]:稀疏奖励、reward shaping、curiosity、分层强化学习HRL
强化学习从基础到进阶--案例与实践含面试必知必答[9]:稀疏奖励、reward shaping、curiosity、分层强化学习HRL
|
监控 架构师 程序员
第八章 思维模型
第八章 思维模型
110 0
|
机器学习/深度学习 人工智能 算法
强化学习从基础到进阶-常见问题和面试必知必答[1]:强化学习概述、序列决策、动作空间定义、策略价值函数、探索与利用、Gym强化学习实验
强化学习从基础到进阶-常见问题和面试必知必答[1]:强化学习概述、序列决策、动作空间定义、策略价值函数、探索与利用、Gym强化学习实验
|
编解码 算法 数据库
你知道数字图像处理的经典Lenna图背后的故事吗
你知道数字图像处理的经典Lenna图背后的故事吗
下一篇
无影云桌面