本文介绍了米哈游的鹿鸣CG技术，特别是如何结合物理模拟与人工智能算法来优化布料动画制作。通过学习，作者发现该方法能根据关键帧推测布料物理特性，并自动选择过渡帧，提高效率。此外，作者还关注到在布料演算中的优化方向，并提及UE4的MetaHuman技术在快速构建真实人物模型方面的进步。文章表达了对图形学发展中工具改进的赞赏，并鼓励大家探索相关领域的知识。
由鹿鸣引出的技术探索和见证虚幻引擎MetaHuman快速真实“造人”创举的一些想法 文：喵蛙种子（也就是夏风我）
先说最重要的，今天喵（我）看了米哈游N0va(鹿鸣）方法的部分技术背景，得知N0va原本布料CG制作流程是以单纯物理模拟或单纯手工制作关键帧来做的，要么耗时要么耗力。
所以不妨把2者结合起来各取优点，同时最重要的是Mihoyo团队和Leed大学团队等人使用人工智能算法，训练出能把 具有相同的物理特性的布料运动样子（形状），放到一起（相同的特征空间）的编码算法，图解如下：
（以下为个人理解）这种方法可以方便的通过一个关键帧的图样，来推测布料的物理特性（如受重力、阻力等）
甚至就像图中一样更加暴力，干脆忽略“物理特性”这一中间过程，在通过手工 得到一个好布料图样之后，根据此算法找到它所在的上图1的集合，然后在这个有相同布料属性的裙子库里，由计算机自动选择合适的过渡帧，达到KEY（制作）一个关键帧就“举一反三”的效果，通过找关键帧这个范例的家族，很容易的使计算机物理模拟布料更好的符合布料本身特性。这是N0va方法设计上很高明的地方。
关于后续的人工智能算法，明日再继续研究，此刻我的基础人工智能知识还不太够…
！有趣的是
最低0.47元/天 解锁文章
扫一扫
6万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
