在上篇([UE5 AI流程探索篇] 引入深度学习实现Meshes分类 – 上篇) 中我们在外部PyTorch环境下搭建神经网络模型, 并用导出的训练数据来训练模型. 接下来在下篇中我们将编写插件将StaticMeshes信息转化为文本数据, 并将其作为外部搭建的神经网络的测试数据, 最后导出分类结果数据后在引擎中进行解析与可视化.
作者： CQY
《New Quadric Metric for Simplifying Meshes with Appearance Attributes》论文要点解读
最近在复习Mesh减面相关的知识点, 当初读罢Hoppe H. New quadric metric for simplifying meshes with appearance attributes[C]//Proceedings Visualization’99 (Cat. No. 99CB37067). IEEE, 1999: 59-510.这篇论文后开发了Mesh自动减面模块, 但其实并没有完全吃透这篇论文, 对许多理论细节亦是囫囵吞枣. 时隔近两年, 重新阅读这篇论文, “柳暗花明又一村”, 对于之前许多令自己迷惑的理论细节豁然开朗~
继续阅读《New Quadric Metric for Simplifying Meshes with Appearance Attributes》论文要点解读
[UE5 AI流程探索篇] 引入深度学习实现Meshes分类 – 上篇
这是前段时间阅读芝麻拌葱花在知乎上写下的一篇文章《【UE5 AI流程探索篇】引入深度学习实现PCG相关功能-上篇》 后突然冒出来的一个想法, 目前根据Meshes的拓扑不变量进行分类是一个十分具有挑战性的问题,
其本质上就是通过编写一套基于代数拓扑的算法, 根据使用者输入的Meshes, 然后去输出输入Meshes的预测分类. 怎么去设计这套逻辑算法是主要脱发点(剩下的脱发点就是怎么跟策划还有美术扯皮… 因为必然会加入许多比较Trick的分类逻辑). 那么我们有没有办法将这个白箱变成黑箱, 只需要控制输入跟输出, 然后黑箱内部会自己调整呢, 这很容易联想到机器学习. 因为机器学习的本质就是拟合, 而拟合就是根据现有的数据来构建函数去预测新的数据. 借助这个思想运用到Meshes分类上, 其本质就是根据不同输入Mesh来执行一套函数去输出输入Meshes的分类, 因此我们只需要将Meshes信息打包成训练数据来喂给神经网络, 让它自己去拟合出这个函数, 某种程度上训练后的神经网络就具备了Meshes分类的能力. 本人采用的神经网络是MeshCNN, MeshCNN是2019年提出的直接在3D Meshes上进行分类和分割的网络, MeshCNN在3D Meshes上定义了定义了卷积和池化层, 依据三维模型边的连通关系进行研究. 最终能够在来自SHREC 11数据集的30个类上达到98.6%的精度, 并且在部件和人体数据集上有很好的分割性能.
2024年终小结
代数拓扑, 几何与UE游戏开发的那些事(2024版)
自参加工作学习代数拓扑以来, 自己尝试做过一些将代数拓扑, 几何与UE游戏开发结合的微小工作. 本文总结了截至2024年底的相关工作要点, 其中, 有一部分还处在”新建文件夹” 的状态ε=ε=ε=┏(゜ロ゜;)┛
亚历山大多项式注记
最近在学习TopoXu老师的拓扑数据分析课程, 许多课程内容参考了蒋伯驹老师的《绳圈的数学》一书. 但遗憾的是, 书上对于亚历山大多项式及康威方法介绍的篇幅很少, 而这一部分却又是纽结理论里极其重要的一部分, 因此特以本文记录一些关于亚历山大多项式及康威方法的要点.
读罢《数字图像的计算几何、拓扑和物理及其应用》有感
难得在今年的一整个国庆假期里都可以宅家, 总算把《数字图像的计算几何、拓扑和物理及其应用》 这本书给看完了. 哎, 回想起那股刚拿到这本书时的兴奋感, 现在可以说是荡然无存. 书中各种定义的介绍与定理的证明, 都还是不尽人意的, 定理证明论述的缺点主要集中在循环论证上. 尽管如此, 还是记录一下读罢这本书后的收获叭, 以此作为一个学习这本书的完结点｡:.ﾟヽ(*´∀`)ﾉﾟ.:｡
软件遮挡剔除开发要点
游戏世界的计算几何、拓扑及其应用前言
今年年初开始, 我的研究重心便从对于单个游戏模型的拓扑分析转移到对于整个游戏世界的拓扑分析. 前段时间偶然淘到一本书《数字图像的计算几何、拓扑和物理及其应用》, 作者是来自加拿大马尼托巴大学的James Peters教授, 其Erdos数为3, 是一位挺强的研究计算拓扑的学者. 冥冥中觉得能从该书中获取如何去研究计算拓扑在游戏世界中的应用的灵感, 目前也已经粗略阅读了三分之二的内容了, 但收获不算太多, 让我有些失望的点主要在于大部分定理的证明有点循环论证的味道. 尽管如此, 我依旧想记录下读罢该书的一些收获, 本文便是一篇关于游戏世界的计算几何、拓扑及其应用的前言.
[Games 001] 理解共轭梯度法
Games 001的作业总算告一段落了, 要不断地抽出业余时间去完成10次作业, 确实很累, 也经常因为做不出作业而emo, 但平心而论, 依旧是收获满满的, 巩固与学习了许多图形学相关的数学知识. 接下来应该会给自己放个小假, 而后会继续巩固代数拓扑的学习. 在做共轭梯度法一节的作业时, 发现了一篇对于共轭梯度法的理解大有裨益的文章, 特此分享.