用Blender给MetaHuman不同胖瘦身体模型做插值,计算过度模型

2024-03-29 07:04

本文主要是介绍用Blender给MetaHuman不同胖瘦身体模型做插值,计算过度模型,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!

用Blender给MetaHuman不同胖瘦身体模型做插值,计算过度模型


本篇文章所有想法和代码均为ChatGPT所写

需求:MetaHuman的身体有瘦、标准、胖三个体型,想要通过三个体型插值计算出符合用户体型的更多模型
建议:chatGPT建议用Blender,免费,支持Python脚本,特别适合程序使用
在这里插入图片描述

代码如下

import bpy
import mathutils
import bmesh
from mathutils.kdtree import KDTree# 路径到你的FBX文件
fbx_path_1 = 'H:/Coding/Unreal/Meta_Src/Doc/MetaHuman/m_med_nrw_body_preview.FBX'
fbx_path_2 = 'H:/Coding/Unreal/Meta_Src/Doc/MetaHuman/m_med_ovw_body_preview.FBX'
alpha = 0.250 # 插值比例,0.5表示两个顶点的中点
tall = 129   # 高度 male z=132 female z=120# 假设圈口中心的位置和半径(需要根据实际模型调整这些值)
circle_center = mathutils.Vector((0, 0, tall))  # XY平面的中心位置,Z轴坐标是圈口的高度
z_blend = 5.0
# 函数:计算调整后的alpha值
def adjusted_alpha(vertex, base_alpha=0.5):# 通过抛物线函数计算X轴对应的抛物线增高x = vertex.co.xa = 0.0025b = 0c = 0z = a*x*x + b*x + c# 计算顶点的高度差height_diff = vertex.co.z - (circle_center.z + z)if height_diff < 0:height_diff = 0height_factor = height_diff / z_blendif height_factor > 1:height_factor = 1        return base_alpha * (1 - height_factor)# 导入第一个FBX文件
bpy.ops.import_scene.fbx(filepath=fbx_path_1)
# 获取所有选中的对象,并找到网格对象
fbx1 = bpy.context.selected_objects
meshes_1 = [obj for obj in bpy.context.selected_objects if obj.type == 'MESH']# 导入第二个FBX文件
bpy.ops.import_scene.fbx(filepath=fbx_path_2)
# 获取所有选中的对象,并找到网格对象
fbx2 = bpy.context.selected_objects
meshes_2 = [obj for obj in bpy.context.selected_objects if obj.type == 'MESH']# 假设我们只关心第一个网格对象
if meshes_1 and meshes_2:obj_1 = meshes_1[0]obj_2 = meshes_2[0]# 确保两个对象都是网格,并且顶点数量相同if obj_1.type == 'MESH' and obj_2.type == 'MESH':print("obj_1.data.vertices=" + str(len(obj_1.data.vertices)))print("obj_2.data.vertices=" + str(len(obj_2.data.vertices)))# 获取第一个mesh的UV层uv_layer_1 = obj_1.data.uv_layers.active.data# 获取第二个mesh的UV层uv_layer_2 = obj_2.data.uv_layers.active.data# 创建一个空字典来存储顶点的UV映射vertex_uv_map_1 = {}vertex_uv_map_2 = {}# 创建一个集合来存储已经插入的顶点索引inserted_indices_1 = set()inserted_indices_2 = set()# 创建KDTreesize = len(obj_2.data.vertices)kd = KDTree(size)# 遍历第1个mesh的所有多边形和循环for poly in obj_1.data.polygons:for loop_index in poly.loop_indices:# 获取对应的顶点索引vertex_index = obj_1.data.loops[loop_index].vertex_index# 检查顶点索引是否已经插入if vertex_index not in inserted_indices_1:# 将顶点索引添加到集合中,表示已经插入inserted_indices_1.add(vertex_index)# 获取UV坐标uv_coord = uv_layer_1[loop_index].uv# 将顶点索引和UV坐标存储在字典中vertex_uv_map_1[vertex_index] = (uv_coord.x, uv_coord.y, 0.0)# 遍历第2个mesh的所有多边形和循环for poly in obj_2.data.polygons:for loop_index in poly.loop_indices:# 获取对应的顶点索引vertex_index = obj_2.data.loops[loop_index].vertex_index# 检查顶点索引是否已经插入if vertex_index not in inserted_indices_2:# 将顶点索引添加到集合中,表示已经插入inserted_indices_2.add(vertex_index)# 获取UV坐标uv_coord = uv_layer_2[loop_index].uv# 将顶点索引和UV坐标存储在字典中vertex_uv_map_2[vertex_index] = (uv_coord.x, uv_coord.y, 0.0)# 向KDTree中添加模型2的UVkd.insert((uv_coord.x, uv_coord.y, 0.0), vertex_index)kd.balance()# 进行顶点插值i = 0for v1 in obj_1.data.vertices:uv, index, dist = kd.find(vertex_uv_map_1[i])a = adjusted_alpha(v1, alpha)obj_1.data.vertices[i].co = obj_1.data.vertices[i].co.lerp(obj_2.data.vertices[index].co, a)# print(obj_1.data.vertices[i].co)i += 1# 更新网格数据obj_1.data.update()else:print("Objects are not meshes")
else:print("Objects are not meshes")# 计算结束后,删除这些临时保存的meshes_2对象
# 确保Blender在对象模式下
bpy.ops.object.mode_set(mode='OBJECT')# 清除之前的所有选中状态
bpy.ops.object.select_all(action='DESELECT')# 选择导入的对象
for obj in fbx2:obj.select_set(True)# 删除所有选中的对象
bpy.ops.object.delete()# 导入第一个FBX文件
# bpy.ops.import_scene.fbx(filepath=fbx_path_1)

ChatGPT解读:

看起来你已经创建了一个相当复杂的脚本来处理两个FBX文件,通过抛物线函数动态调整顶点插值的alpha值,并在完成后清理临时导入的对象。这个脚本的目的是根据顶点的x坐标和一个定义好的抛物线函数调整alpha值,从而实现一个更自然的过渡效果,尤其是在两个模型的接合处。

你的脚本分几个关键步骤执行任务:

导入FBX文件:分别导入两个FBX文件,并选出网格对象。 准备KD树:为第二个模型的顶点建立一个KD树,以便快速找到最近的顶点进行插值。
顶点插值:对第一个模型的每个顶点,找到第二个模型中对应的最近顶点,并根据抛物线函数调整的alpha值进行插值。
清理:完成计算后,删除第二个模型的所有对象,清理场景。
这个脚本的关键部分是adjusted_alpha函数,它根据顶点的位置和预设的抛物线函数动态调整插值权重。这种方法可以实现更加复杂和细腻的融合效果,尤其是在处理具有复杂形状或需要在特定区域内平滑过渡的3D模型时。

脚本末尾的清理步骤确保了场景的整洁,只留下经过融合处理的模型。通过在操作结束后删除临时导入的对象,可以避免场景中出现不必要的混乱。

代码需要注意的几个地方:
第一,MetaHuman提供的瘦、标准、胖三个模型的顶点数量和顺序并不一致,不能简单的按照顶点顺序进行融合,代码中用了KD树查找接近点
第二,MetaHuman提供的瘦、标准、胖三个模型和人头结合的部分并不一致,融合以后的身体和头无法很好的结合,这里用了一个算法,在接近身体与头结合的圈口部分,alpha值逐渐过渡到1,也就是使用标准模型。身体模型和头结合的圈口是一个接近抛物线,这里用了一个抛物线函数进行高度值矫正
第三,导出FBX模型时,要把m_med_nrw_body_preview节点设置为unvisibled,导出参数设置里勾选 “仅导出可见对象"。
在这里插入图片描述
不然导出的fbx模型会比标准的MetaHuman骨骼多了一个层级。
在这里插入图片描述

这篇关于用Blender给MetaHuman不同胖瘦身体模型做插值,计算过度模型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/857927

相关文章

Python如何计算两个不同类型列表的相似度

《Python如何计算两个不同类型列表的相似度》在编程中,经常需要比较两个列表的相似度,尤其是当这两个列表包含不同类型的元素时,下面小编就来讲讲如何使用Python计算两个不同类型列表的相似度吧... 目录摘要引言数字类型相似度欧几里得距离曼哈顿距离字符串类型相似度Levenshtein距离Jaccard相

0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型的操作流程

《0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeekR1模型的操作流程》DeepSeekR1模型凭借其强大的自然语言处理能力,在未来具有广阔的应用前景,有望在多个领域发... 目录0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型,3步搞定一个应

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll

在不同系统间迁移Python程序的方法与教程

《在不同系统间迁移Python程序的方法与教程》本文介绍了几种将Windows上编写的Python程序迁移到Linux服务器上的方法,包括使用虚拟环境和依赖冻结、容器化技术(如Docker)、使用An... 目录使用虚拟环境和依赖冻结1. 创建虚拟环境2. 冻结依赖使用容器化技术(如 docker)1. 创

关于Spring @Bean 相同加载顺序不同结果不同的问题记录

《关于Spring@Bean相同加载顺序不同结果不同的问题记录》本文主要探讨了在Spring5.1.3.RELEASE版本下,当有两个全注解类定义相同类型的Bean时,由于加载顺序不同,最终生成的... 目录问题说明测试输出1测试输出2@Bean注解的BeanDefiChina编程nition加入时机总结问题说明

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录(一)pom.XML文件:(二)application.yml配置文件(一)pom.xml文件:首

如何在本地部署 DeepSeek Janus Pro 文生图大模型

《如何在本地部署DeepSeekJanusPro文生图大模型》DeepSeekJanusPro模型在本地成功部署,支持图片理解和文生图功能,通过Gradio界面进行交互,展示了其强大的多模态处... 目录什么是 Janus Pro1. 安装 conda2. 创建 python 虚拟环境3. 克隆 janus

本地私有化部署DeepSeek模型的详细教程

《本地私有化部署DeepSeek模型的详细教程》DeepSeek模型是一种强大的语言模型,本地私有化部署可以让用户在自己的环境中安全、高效地使用该模型,避免数据传输到外部带来的安全风险,同时也能根据自... 目录一、引言二、环境准备(一)硬件要求(二)软件要求(三)创建虚拟环境三、安装依赖库四、获取 Dee

java中不同版本JSONObject区别小结

《java中不同版本JSONObject区别小结》本文主要介绍了java中不同版本JSONObject区别小结,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们... 目录1. FastjsON2. Jackson3. Gson4. org.json6. 总结在Jav

Python中连接不同数据库的方法总结

《Python中连接不同数据库的方法总结》在数据驱动的现代应用开发中,Python凭借其丰富的库和强大的生态系统,成为连接各种数据库的理想编程语言,下面我们就来看看如何使用Python实现连接常用的几... 目录一、连接mysql数据库二、连接PostgreSQL数据库三、连接SQLite数据库四、连接Mo