用Blender给MetaHuman不同胖瘦身体模型做插值,计算过度模型

news2024/11/24 14:43:06

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.x
    a = 0.0025
    b = 0
    c = 0
    z = 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 = 0
    height_factor = height_diff / z_blend
    if 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KDTree
        size = 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UV
                    kd.insert((uv_coord.x, uv_coord.y, 0.0), vertex_index)

        kd.balance()
        
        # 进行顶点插值
        i = 0
        for 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

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1553202.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

在线构建自动部署软件JPOM

系列文章目录 文章目录 系列文章目录前言 前言 前些天发现了一个巨牛的人工智能学习网站&#xff0c;通俗易懂&#xff0c;风趣幽默&#xff0c;忍不住分享一下给大家。点击跳转到网站&#xff0c;这篇文章男女通用&#xff0c;看懂了就去分享给你的码吧。 简而轻的低侵入式在…

Django安装及第一个项目

1、安装python C:\Users\leell>py --version Python 3.10.6 可以看出我的环境python的版本3.10.6&#xff0c;比较新 2、 Python 虚拟环境创建 2.1 官网教程 目前&#xff0c;有两种常用工具可用于创建 Python 虚拟环境&#xff1a; venv 在 Python 3.3 及更高版本中默…

【C语言】内存函数(memcpy)的使用和模拟实现

目录 一、memcpy定义1.memcpy在**cplusplus**中的定义2.memcpy**复制内存块**3.参数a.目的地b.源c.数字 4.函数返回值5.函数头文件 二、memcpy的使用使用memcpy()函数完成拷贝整型数组数据 三、memcpy的模拟实现思路代码 一、memcpy定义 1.memcpy在cplusplus中的定义 链接: l…

206基于matlab的无人机航迹规划(UAV track plannin)

基于matlab的无人机航迹规划(UAV track plannin&#xff09;。输入输出参数包括 横滚、俯仰、航向角&#xff08;单位&#xff1a;度&#xff09;&#xff1b;横滚速率、俯仰速率、航向角速率&#xff08;单位&#xff1a;度/秒&#xff09;&#xff1b;飞机运动速度——X右翼、…

八大技术趋势案例(虚拟现实增强现实)

科技巨变,未来已来,八大技术趋势引领数字化时代。信息技术的迅猛发展,深刻改变了我们的生活、工作和生产方式。人工智能、物联网、云计算、大数据、虚拟现实、增强现实、区块链、量子计算等新兴技术在各行各业得到广泛应用,为各个领域带来了新的活力和变革。 为了更好地了解…

法律合规:AI产品法律风险应对措施全解析(二)

在此前推文中我们全面分析了生成式人工智能算法模型可能遇到的法律风险&#xff1a; 1、隐私泄漏风险&#xff1a;企业需要遵守数据安全法和个人信息保护法的规定&#xff0c;确保数据来源合法&#xff0c;使用时获得用户授权&#xff0c;并对数据进行匿名化处理等。 2、偏见…

蓝桥杯刷题计划-洛谷-持续更新

P8598 [蓝桥杯 2013 省 AB] 错误票据 题目 #include <bits/stdc.h> #define endl \n #define int long long #define INF 0x3f3f3f3f3f const int N 1000010; using namespace std; int arr[N]; signed main() {int N;cin>>N;int idx;while(cin>>arr[idx…

金三银四面试题(一):JVM类加载与垃圾回收

面试过程中最经典的一题&#xff1a; 请你讲讲在JVM中类的加载过程以及垃圾回收&#xff1f; 加载过程 当Java虚拟机&#xff08;JVM&#xff09;启动时&#xff0c;它会通过类加载器&#xff08;ClassLoader&#xff09;加载Java类到内存中。类加载是Java程序运行的重要组成…

灰色预测模型以及matlab软件使用

1&#xff0c;灰色系统简介 著名学者邓聚龙教授于20世纪70年代末、80年代初提出&#xff1a; “ The诞生标志:邓教授第一篇灰色系统论文Control Problems of Grey Systems”&#xff0c;发表于北荷兰出版公司期刊 System & Control Letter,1982, No.5. 1.1 灰色系统&…

C语言数据输出和输入介绍

在C语言中&#xff0c;数据的输出和输入是程序与用户或外部环境进行交互的重要方式之一。通过数据的输出&#xff0c;程序可以向用户展示信息或结果&#xff1b;通过数据的输入&#xff0c;程序可以获取用户提供的数据或参数。本文将深入介绍C语言中数据输出和输入的相关知识&a…

定时器的原理和应用

#include<reg51.h> unsigned char s[]{0x3F,0x06,0x5B,0x4F,0x66,0x6D,0x7D,0x07,0x7F,0x6F}; unsigned char count0,num0; void inittimer() {TMOD0x01;//0000 0001TH0(65536-50000)/256; //定时50ms50000us 2562^8 初值向右边移动8位TL0(65536-50000)%256;ET01;//开启定…

Stable Diffusion WebUI 生成参数:脚本(Script)——提示词矩阵、从文本框或文件载入提示词、X/Y/Z图表

本文收录于《AI绘画从入门到精通》专栏,专栏总目录:点这里,订阅后可阅读专栏内所有文章。 大家好,我是水滴~~ 在本篇文章中,我们将深入探讨 Stable Diffusion WebUI 的另一个引人注目的生成参数——脚本(Script)。我们将逐一细说提示词矩阵、从文本框或文件导入提示词,…

Linux学习:进程(3)与 环境变量

目录 1. 进程的优先级1.1 什么是进程的优先级1.2 优先级的具体表示与查看方式 2. 进程的切换与调度2.1 切换2.2 调度 3. 环境变量3.1 main参数/命令行参数3.2 什么是环境变量3.3 环境变量的使用与特性3.5 本地变量与环境变量的脚本配置文件 1. 进程的优先级 在计算机运行的过程…

前端基础知识html

一.基础标签 1.<h1>-<h6>:定义标题&#xff0c;h最大&#xff0c;h最小 2.<font>&#xff1a;定义文本的字体&#xff0c;尺寸&#xff0c;颜色 3.<b>&#xff1a;定义粗体文本 4.<i>&#xff1a;定义斜体文本 5.<u>&#xff1a;定义文本下…

SPDZ基础使用手册(深度学习视角)

基本类型 深度学习中最常使用的便是秘密定点数sfix&#xff0c;有关定点数的高级运算协议请参阅Paper: Secure Computation With Fixed-Point Numbers. 容器类型 SPDZ的深度学习框架主要基于TensorFlow实现&#xff0c;其中使用的容器是张量Tensor&#xff0c;在库中的定义如下…

如何提bug?

很多公司都有提bug的标准&#xff0c;对于新人刚介入测试行业时&#xff0c;提bug的时候&#xff0c;描述的清晰与否就很重要&#xff0c;那一个很明朗清晰的bug应该包含那些呢&#xff1f; bug包含的要素有那些&#xff1f;&#xff08;以jira工具为例&#xff09; 1、项目名…

Parade Series - SVG Resource

iconfont https://www.iconfont.cn/?spma313x.search_index.i3.2.74e53a819tkkcG音符 <div class"form-group"><a href"Javascript:reload();" class"btn btn-icon btn-outline-light btn-block" style";"><svg t&q…

docker logs 查找日志常用命令

docker logs 是什么 docker logs 是 Docker 命令行工具提供的一个命令&#xff0c;用于查看容器的日志输出。它可以显示容器在运行过程中生成的标准输出&#xff08;stdout&#xff09;和标准错误输出&#xff08;stderr&#xff09;&#xff0c;帮助用户诊断容器的行为和排查…

Spring boot 发送文本邮件 和 html模板邮件

Spring boot 发送文本邮件 和 html模板邮件 提示&#xff1a;这里使用 spring-boot-starter-mail 发送文本邮件 和 html模板邮件 文章目录 Spring boot 发送文本邮件 和 html模板邮件一、开启QQ邮箱里的POP3/SMTP服务①&#xff1a;开启步骤 二、简单配置①&#xff1a;引入依赖…

【Linux 驱动基础】Linux platform平台设备驱动

# 前置知识 总线驱动模型简介&#xff1a; 总线是处理器与一个或者多个设备之间的通道&#xff0c;在设备模型中&#xff0c;所有的设备都是通过总线相连&#xff0c;当然也包括虚拟的 platform 平台总线。 总线驱动模型中有三要素&#xff1a; 1. 总线 /*** struct bus_ty…