3D场景建模,次世代游戏模型怎么被做出来?

简介: 与传统游戏相比,次世代游戏以精简的面数表达出高精度模型效果,各种材质和纹理贴图根据写实效果展示,注重质感表现。

与传统游戏相比,次世代游戏以精简的面数表达出高精度模型效果,各种材质和纹理贴图根据写实效果展示,注重质感表现。

次世代游戏模型怎么被做出来?

次世代游戏角色制作通过颜色贴图、高光贴图、法线贴图、自发光贴图多种贴图丰富模型细节,区别不同物体的质感,最后再用引擎呈现。

图片.png

模型制作

次世代游戏角色制作过程相对繁琐。高模烘培、制作贴图都是比较花时间,调整法线也会占用不少时间。
开始的模型制作尽量少的面数表现更多细节,原则是布线均匀、合理,保证在ZBrush中细分后模型都能刷上细节。一句话,就是以精简的低模表现出高模的效果。

开始做出的低精度模型类似于以往网络游戏中的角色效果。但这个简模中,物体结构可以做得非常概括,但所有结构的位置一定要非常准确。确保后面制作的高精度模型整体形状到位。

总之,模型布线要合理规范,角色的制作配合动画合理布线,每个点每条边都要有存在的意义。

图片.png

ZB雕刻

模型建设之后,建模好的游戏角色导入ZBrush雕刻高模。

像素描一样,先画整体大型,从整体入手不断丰富细节(建模也是这样的流程)。雕刻过程抓住角色特征,表现不同质感。

图片.png

拓扑低模

ZB雕刻模型是高模,面数很考验电脑性能,需要将高细分的模型拓扑出所需要的低模。

低模以比较少面数表现高模大体造型,细节结构主要靠法线体现出来。

拆分UV

UV分法有很多,但最终目的是UV不拉伸情况下,最大像素显示贴图。拆分UV需要注意的几个事项。

拆分UV注意事项

  1. UV不要拆得太碎

拆的太碎,边缘磨损没办法显示出来。

  1. UV切割线放在较为隐蔽的地方

切割放在看不见的地方,切割线放在明显的地方,影响到后期贴图效果。

  1. 图像大小一样

每个UV的图像大小一样,UV大小影响贴图分辨率。如果有部分UV像素大,有的像素小,制作出来的场景或人物部分清晰,部分模糊。

  1. 合理摆放

合理摆放UV,节省空间。这决定以后贴图的像素和质量。

图片.png

烘焙法线

法线是始终垂直于某平面的虚线,表示光线射向平面的角度时,通常使用光线和该点法线角度表示。这意味将一个贴图上所有点的法线记录下来,可以利用这些信息实现后期假凹凸效果。

绘制贴图

次世代贴图是由彩色贴图(Color map)、法线贴图(Normal map)、高光贴图(Specular map)、凹凸贴图(Bump map)的组合而成的一整套贴图。

次世代的贴图相当强调真实度,要营造虚拟的游戏世界,需要和真实的世界有一定的关联,除了要有审美能力之外,要对真实世界细节有观察力,把元素和细节表现在贴图上。

可用软件有

Substance Painter .
Quixel SUITE.
mari.
Bodypaint.
Mudbox

相关文章
|
数据采集 开发者
如何编写有效的爬虫代码来避免网站的反爬虫机制?
如何编写有效的爬虫代码来避免网站的反爬虫机制?
436 1
|
NoSQL 编译器 Linux
CodeBlocks-20.03下载安装及中文教程
CodeBlocks强大之处 1、跨平台,windows、linux 、mac都可以用 2、轻量化,远不及VS占用空间 3、完全免费
3595 1
CodeBlocks-20.03下载安装及中文教程
|
5月前
|
数据采集 存储 人工智能
掌握这4个绘制技术架构图要点,提升AI产品经理跨团队沟通
三桥君深入解析AI产品经理必备技能——技术架构图的绘制方法。文章详细阐述了技术架构图的三大作用、绘制关键思考、方法论及案例分析,助力提升跨团队沟通效率与项目成功率。适合希望掌握技术逻辑、推动AI产品落地的产品经理阅读学习。
326 2
|
9月前
|
机器学习/深度学习 存储 人工智能
SAFEARENA: 评估自主网络代理的安全性
基于大语言模型的智能体在解决基于网络的任务方面正变得越来越熟练。随着这一能力的增强,也随之带来了更大的被恶意利用的风险,例如在在线论坛上发布虚假信息,或在网站上销售非法物质。为了评估这些风险,我们提出了SAFEARENA,这是第一个专注于故意滥用网络代理的基准测试。SAFEARENA包含四个网站上共计500个任务,其中250个是安全的,250个是有害的。我们将有害任务分为五类:虚假信息、非法活动、骚扰、网络犯罪和社会偏见,旨在评估网络代理的真实滥用情况。我们对包括GPT-4o、Claude-3.5 Sonnet、Qwen-2-VL 72B和Llama-3.2 90B在内的领先基于大语言模型的网
446 11
SAFEARENA: 评估自主网络代理的安全性
|
6月前
|
存储 编解码 算法
哈夫曼树完全解析:从原理到应用
哈夫曼树是一种带权路径长度最短的二叉树,广泛应用于数据压缩领域。它通过为高频元素分配短编码、低频元素分配长编码,显著减少数据量。构建时根据权重动态合并节点,最终生成无歧义前缀编码。其核心特性包括最优压缩效率、贪心策略有效性和高空间利用率。在现代应用中,哈夫曼编码被用于ZIP压缩、PNG图像、HTTP/2头部压缩及多媒体处理等领域。例如,对字符串“ABRACADABRA”进行压缩,可将88bit数据降至26bit,压缩率达70.5%。
执行npm run dev的时候发生了什么
执行npm run dev的时候发生了什么
1315 60
|
机器学习/深度学习 人工智能 搜索推荐
AI在电子商务中的个性化推荐系统:驱动用户体验升级
AI在电子商务中的个性化推荐系统:驱动用户体验升级
1501 17
|
人工智能 算法 C#
C语言与游戏开发
C语言与游戏开发
|
Java Maven
(短信服务)java SpringBoot 阿里云短信功能实现发送手机验证码
(短信服务)java SpringBoot 阿里云短信功能实现发送手机验证码
3410 0
|
机器学习/深度学习 数据采集 数据可视化
【Python 机器学习专栏】数据缺失值处理与插补方法
【4月更文挑战第30天】本文探讨了Python中处理数据缺失值的方法。缺失值影响数据分析和模型训练,可能导致模型偏差、准确性降低和干扰分析。检测缺失值可使用Pandas的`isnull()`和`notnull()`,或通过可视化。处理方法包括删除含缺失值的行/列及填充:固定值、均值/中位数、众数或最近邻。Scikit-learn提供了SimpleImputer和IterativeImputer类进行插补。选择方法要考虑数据特点、缺失值比例和模型需求。注意过度插补和验证评估。处理缺失值是提升数据质量和模型准确性关键步骤。
1324 0

热门文章

最新文章