【Spine学习08】之短飘,人物头发动效制作思路

2024-06-15 14:52

本文主要是介绍【Spine学习08】之短飘,人物头发动效制作思路,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

上一节说完了跑步的,
这节说头发发型。
基础过程总结:
1.创建骨骼(头发需要在上方加一个总骨骼)
2.创建网格(并绑定黄线)
3.绑定权重(发根位置的顶点赋予更多总骨骼的权重)
4.切换到动画模式开始K帧
5.打开图表优化动作(增加贝塞尔曲线、偏移错帧)

详细
第一步
创建骨骼(头发需要在上方加一个总骨骼)
在这里插入图片描述
第二步:
创建网格(并绑定黄线)每个发片都要!
在这里插入图片描述
第三步
绑定权重(手动将发根位置的顶点赋予更多总骨骼的权重)
自动计算的话可能还是顶点蓝色骨骼权重更多,但是发根的位置一般不飘动,所以需要绑定更多固定不变的总骨骼权重。
在这里插入图片描述
重复上三个步骤,直到将所有发片完成骨骼网格权重的绑定。

第四步:切换到动画模式开始K帧
还是一样,保持首位帧一致
在这里插入图片描述
可以自己发挥想象力K,也可以按照教程设置0 40 80三个阶段,40帧的时候头发上飘。
先粗略K一下
然后选择发根骨骼(因为发根骨骼变化幅度是小于发尾飘动幅度的)
所以K帧之后需要处理根骨骼的变化幅度:
在这里插入图片描述
同样40s的发根也可以选择30s的时候K一个幅度小的 再去替换40S的帧
这样处理。

总之就是要减小发根的飘动幅度!怎么处理都行

发根处理
第二节骨骼也这样处理
发尾如果觉得刚开始粗略估计的幅度太大也微微调一点

飘动速度:发根骨骼<发中骨骼<发尾骨骼

快捷tips:ctrl+数字会将对应组的骨骼调动到这个数字上,那么再次需要选中比如(根骨骼组)的时候,直接点击这个数字就可以了
在这里插入图片描述
图上是ctrl+1,所以存储到1

可以参考:
1组 发根骨骼 偏移4
2组 发中骨骼 偏移8
3组 发尾骨骼 偏移12

第五步
打开图表优化动作(增加贝塞尔曲线、偏移错帧)
这个不细讲,前几篇有详细说了

拓展
第六步:将做好的头发增加到跑步动作上
从层级树CTRL+D:复制一份备份
在这里插入图片描述
教程学习:B站断断子

这篇关于【Spine学习08】之短飘,人物头发动效制作思路的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1063765

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个