游戏巨头齐聚 Unite Shanghai 2019,揭秘爆款游戏制作精彩亮点!

从三人行的公寓创业到全球知名游戏引擎的发展、从局限的 macOS 到高达 25 多个平台的覆盖、从单一的手游到建筑可视化和实时三维动画等类型互动内容的综合型创作工具的演进,Unity 正以“革命性因子”占据各个行业技术解决方案的主导权。且近日,最新发布的 Unity 2019.1 正式版更是加入了超过 283 项新功能和改进内容,由此开发者不仅能在已采用组件开发的架构基础上无须从头编写代码,同时还可以感受轻巧、快速的开发体验。

此前,我们已为大家揭晓了 Unity 在汽车运输、影视动画、建筑施工等跨行业中的应用和精彩议题。而这一次,我们将追根溯源,在 Unite Shanghai 2019 的游戏开发专场,邀请来自游戏界巨头以及一线技术专家齐聚一堂,分享如何基于 Unity 在手机、小游戏、VR/AR、主机与PC等不同维度中,打造出多种爆款的实时游戏。

《使命召唤》:探索 3A 级 Unity 引擎演化之路

在全球拥有超高热度且影响范围较大的《使命召唤》系列,凭借着高质量的画面、优质的代入感、良好的运行流畅度被诸多网友列入那些年我们百玩不厌游戏的排行榜中。在 GDC 2019 中,Unity 于现场为我们展示了《使命召唤》手游版本的到来,这对于喜爱FPS 的游戏玩家以及开发者而言,无疑是一件值得庆贺的事。

在本次 Unite Shanghai 2019 的游戏开发专场,我们邀请到来自腾讯天美 J3 工作室副总监、T4 技术专家郭智,为大家分享《使命召唤》手游制作过程中普 PBR 时代画面呈现的最佳实践与升级、过程化技术驱动的大世界制作管线、以及 3A 级手游引擎实践进阶之路。

《网络奇兵3》:当游戏传奇遇上 Unity HDRP

在 2019 年 GDC 的 Unity Keynote 上,OtherSide Entertainment 工作室的总监 Warren Spector 和图形程序师 Elizabeth Legros 为我们展示了备受期待的新游戏《网络奇兵3》。此次 Unite Shanghai 2019 大会上,我们邀请到了《网络奇兵3》的图形图像学专家 Elizabeth LeGros,为开发者剖析在游戏制作中,如何使用 Unity HDRP 高清渲染管线打造游戏中黑暗却充满氛围感的环境,让游戏的图形更好更容易实现。

对城宝具:CRIWARE 助力《Fate/Grand Order》高效地开发生动音频

在角色扮演类手机游戏中,使用 Unity 制作的《Fate/Grand Order》作为 Fate 系列集大成之作,显得尤为独特,其凭借着近乎史诗小说般的剧情以及精致的游戏角色,在国内二次元、Fate 粉丝和休闲型玩家中有着极高的影响力与号召力。

图片来源:https://game.bilibili.com/fgo/

在本次游戏开发专场中,来自 DELiGHTWORKS 株式会社音效经理兼音效总监白山俊太郎和音效策划西村和真,通过揭秘『Fate/Grand Order』背后的 FGO PROJECT,用事例为大家说明音频团队是如何支持开发。从 DELiGHTWORKS 的音频组的视角出发,将和大家分享如何通过 CRIWARE 中间件解决开发过程中的各种问题,以及如何通过技术更好更高效的使用中间件。

5 亿用户级的《球球大作战》优化实践

由巨人网络研发的休闲竞技类手游《球球大作战》一经推出,就受到了全球近 5 亿玩家的欢迎,但与此同时,随着用户的不断增加、游戏皮肤的日益精致,性能与体验开始面临更多的挑战。过往,巨人网络采用了各种传统优化方法(如 LOD、减粒子、减面、减骨骼、降分辨率)希望能够探索出最佳的游戏体验,不过经过实践证明,彼时的性能虽有部分提高,但画面遭受损失,并且过少 DrawCall 与面数极大限制了美术的高水平发挥。

本次演讲中,巨人网络资深技术徐宇峰将带来最新的算法优化方法,与大家分享如何在保证高画质美术的前提下,16 分身 DrawCall 从 1000 降到 68,并将渲染性能提升近 20 倍,得以让《球球大作战》不断焕发新的活力。

爆款的诞生:《胡闹厨房2》的多人游戏模式解决方案

相信不少对于经营模拟游戏有兴趣的玩家,对于《Overcooked》一定不陌生,其中文名为《胡闹厨房》,该游戏使用 Unity 制作,在初登场后就在 BAFTA(英国电影和电视艺术学院奖)上获了奖。如今《胡闹厨房 2》在继承初代优点并增加新挑战的同时,也基于 Unity 创建了新游戏的创意原型。

本次演讲中,来自 Team 17 的技术总监 David Smethurst 将为我们揭晓《胡闹厨房2》的最新开发概况,也将深入解析增加多人游戏模式在开发过程中遇到的性能问题和解决方案。

《不可思议之梦蝶》:独立游戏开发和Switch平台的优化实践

经过三年沉淀打造,以第三人称视角、画风唯美的冒险解谜游戏《不可思议之梦蝶》惊艳亮相于大众视野中。在本次演讲中,天津队友游戏工作室的李喆,将从零开始与大家探讨如何使用 Unity 开发出第一款 3D 之《不可思议之梦蝶》的游戏。

同时,李喆还将介绍基于 Unity 和 Asset Store资源商店分享其建立的 3D 原创游戏工作流程,以及 Switch 和移动平台的移植和优化经验。

《Free Fire》:使用 Unity 的实用优化策略

要论去年最火爆的 FPS 游戏有哪些?“吃鸡”类型的手游绝对要算一种,其中作为全球运营的《Free Fire》更是以真实的衔接性和运行速度成为一匹“吃鸡大战”中杀出的黑马。那么,在面对全球智能硬件配置参差不齐的窘境之下,如何才能让手游在保证高质量的前提下,适配用户体验?

图片来源:http://ff.garena.com

在本次大会上,来自 Garena 的程序徐日才会以自研的《FreeFire》手游为案例,分享在游戏开发过程中,基于 CPU 和 GPU 方面的性能优化,以及如何让游戏在不受内存不足的情况下,在低配机器可实现稳健持久的运行。此外,他还将直观地展示如何在拥有丰富资源的同时,确保整个包体在 400M 左右的开发成果。

不容错过的 Unite Shanghai 2019

无论是游戏的版本迭代还是性能优化,亦或是跨平台的支持,Unity 在其中均起到了关键性的作用,更多近 100 场技术演讲讲精彩亮相 Unite Shanghai 2019,详情请见:https://unite2019.csdn.net/

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

CSDN资讯

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值