UE5程序化内容生成PCG笔记

2024-03-18 12:10

本文主要是介绍UE5程序化内容生成PCG笔记,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!

目录

参考资料

官方

知乎

 启用插件

目前遇到的问题

节点个人理解/注解

Input

Surface Sampler(表面采样器)

Density Filter(密度过滤器)

Projection(投影)

WorldRayHit(世界射线命中查询)

Transform Points(变换点)

StaticMeshSpawner(静态网格体生成器)

Difference(差异)

Spline Sampler(样条线采样器)

Bounds Modifier(边界修改器)

Create Points Grid(创造点网格)

Distance To Density(距离到密度)

CopyPoints(复制点)

Attribute噪声(5.3.0) = Density Noise(5.2.x )

Subgraph(子图表)

Point Filter(点过滤)

Merge(合并)

Assembly(ASM)的使用方式

优点

静态网格体生成器选项​编辑


参考资料

官方

程序化内容生成概述

[GDC2023]UE5中的程序化内容生成 (官方字幕)

[GDC2023]虚幻引擎5.2功能演示(官方字幕)

[UnrealCircle苏州]《Electric Dreams》项目PCG技术解析 | 王潇

知乎

UE5《Electric Dreams》项目PCG技术解析 之 基于关卡PCGSettings的工作流

【UE5PCG-学习笔记1】基础上手UE PCG

UE5程序化内容生成框架(PCG)

UE5中的PCG —— PCG in UE5 - 知乎


 


 启用插件

Procedural Content Generation Framework

选中节点按D键可以看到目前预览效果

选中节点按E键可以启用/禁止当前节点

选中节点按A键可以检查当前节点的资源关联和属性


目前遇到的问题

  • 使用PCG生成的模型中心点只能在最底部。不然会出现模型贴地后。有一半是在地图下面这种情况(临时解决方法 - 使用 变换点节点 设置绝对偏移 往上偏移一段距离)

节点个人理解/注解

Input

与大纲里面PCG实例的这个选项挂钩。可以向蓝图的函数一样自定义输入结构


Surface Sampler(表面采样器)

  • 每平方米的点:密度
  • 点范围:点的盒体大小
  • 松动:增加随机性
Density Filter(密度过滤器)

密度值删除不在这个范围里面的值

Projection(投影)

向下投影。 可以把使物体贴进地面

WorldRayHit(世界射线命中查询)

向下投影使用。

Transform Points(变换点)

提供位置/旋转/缩放的最大最小值范围。加大视觉随机性。

StaticMeshSpawner(静态网格体生成器)

权重越大生成的物体相对其他的数量更多


UE PCG程序化生成初试

Difference(差异)

剔除下面这个的point。解决一个点生成多个物体导致重叠问题

Spline Sampler(样条线采样器)

对样条线进行采样

细分 - 每段细分数:在样条线上分段设置。而不是均匀分布

距离 - 距离增量:每隔100个单位增加一个点

Bounds Modifier(边界修改器)

更改点的Bounds包围盒的相关属性


Create Points Grid(创造点网格)

在想要的空间创造任意点

Grid Extents:网格的范围

Cell Size:点间隔距离(控制密度,值越小密度越大)

Grid Center Pisition:网格中心的位置偏移

Local:基于本地空间还是世界空间

Distance To Density(距离到密度)

创造一个合理的梯度。

CopyPoints(复制点)

Source:获取源输入.要复制的目标

Target:选择一个 位置来放置这些点

Attribute噪声(5.3.0) = Density Noise(5.2.x )

控制Noise影响Density的方式

设置:直接设置密度的数值

最小:对每个点得到一个Noise数值之后,与点原本的Density数值进行比较,取其中的最小者

最大:对每个点得到一个Noise数值之后,与点原本的Density数值进行比较,取其中的最大者

加:将获得的Noise数值直接与原本的Density相加

乘:将获得的Noise数值直接与原本的Density相乘

反转源:是否反转输入点的Density,即是否在运用这个节点前做一个Density = 1-Density的计算


Subgraph(子图表)

图:选其他的PCG图标。此节点就会自动转换为选中图表的Input


Point Filter(点过滤)

感觉有点像是蓝图的判定。只保留符合条件的数据

Insider Filter:?符合条件

Outsider Filter:?不符合条件

Merge(合并)

将多个数据源合并成一个单一数据输出


样条线内部填充示例

Interior Density Falloff Curve(内部密度衰减曲线):

  •  在Interior的采样维度下控制Spline内部采样点的Density衰减
  • 使用衰减曲线的时候注意,Spline的采样点必须要大于等于四个

Assembly(ASM)的使用方式

Assembly: 把一个关卡封装成一个物体。PCG图表里面以这个关卡为一个元素直接生成。

优点
  • 降低数据和逻辑的耦合度
  • 产生更多维度的变体(更多的随机性。不单是位置旋转还有物体间的层级关系)
  • 定义结构体

直接把ASM拖进PCG图标里面就可以直接使用。

静态网格体生成器选项

网格体选择器类型(必选*):PCGMeshSelectorByAttribute

属性名称(必填*):填写Mesh.读取模型

按属性材质重载勾上(必填*/非必填):填写Material。这样才有材质效果。不然是白模。官方案例没加我也不知道怎么实现材质赋予的

这篇关于UE5程序化内容生成PCG笔记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/822292

相关文章

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

poj 1258 Agri-Net(最小生成树模板代码)

感觉用这题来当模板更适合。 题意就是给你邻接矩阵求最小生成树啦。~ prim代码:效率很高。172k...0ms。 #include<stdio.h>#include<algorithm>using namespace std;const int MaxN = 101;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int n

poj 1287 Networking(prim or kruscal最小生成树)

题意给你点与点间距离,求最小生成树。 注意点是,两点之间可能有不同的路,输入的时候选择最小的,和之前有道最短路WA的题目类似。 prim代码: #include<stdio.h>const int MaxN = 51;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int P;int prim(){bool vis[MaxN];

poj 2349 Arctic Network uva 10369(prim or kruscal最小生成树)

题目很麻烦,因为不熟悉最小生成树的算法调试了好久。 感觉网上的题目解释都没说得很清楚,不适合新手。自己写一个。 题意:给你点的坐标,然后两点间可以有两种方式来通信:第一种是卫星通信,第二种是无线电通信。 卫星通信:任何两个有卫星频道的点间都可以直接建立连接,与点间的距离无关; 无线电通信:两个点之间的距离不能超过D,无线电收发器的功率越大,D越大,越昂贵。 计算无线电收发器D

hdu 1102 uva 10397(最小生成树prim)

hdu 1102: 题意: 给一个邻接矩阵,给一些村庄间已经修的路,问最小生成树。 解析: 把已经修的路的权值改为0,套个prim()。 注意prim 最外层循坏为n-1。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstri

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

【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

poj 3723 kruscal,反边取最大生成树。

题意: 需要征募女兵N人,男兵M人。 每征募一个人需要花费10000美元,但是如果已经招募的人中有一些关系亲密的人,那么可以少花一些钱。 给出若干的男女之间的1~9999之间的亲密关系度,征募某个人的费用是10000 - (已经征募的人中和自己的亲密度的最大值)。 要求通过适当的招募顺序使得征募所有人的费用最小。 解析: 先设想无向图,在征募某个人a时,如果使用了a和b之间的关系