Blender(开源3D建模工具) v4.0.2 中文绿色版

名称：Blender(开源3D建模工具)v4.0.2中文绿色版描述：Blender是一款免费开源三维图形图像软件，提供从建模、动画、材质、渲染、到音频处理、视频剪辑等一系列动画短片制作解决方案。Blender拥有方便在不同工作下使用的多种用户界面，内置绿屏抠像、摄像机反向跟踪、遮罩处理、后期结点合成等高级影视解决方案。Blender内置有Cycles渲染器与实时渲染引擎EEVEE。同时还支持多种第三方渲染器。链接：https://pan.quark.cn/s/51f2ca48e78f大小：320M标签：#Blender#3D#建模#quark频道：@yunpanshare群组：@yunpangroup

全能三维软件-Blender 快速入门视频教程

名称：全能三维软件-Blender快速入门视频教程描述：Blender是开源的三维动画制作软件，包括用于3D建模，动画，渲染，视频处理的工具，用于创建交互式游戏的一组选项，视觉3D效果等等。使用此程序，您可以创建逼真的3D图像，具有数码摄影的质量。该课程定位为Blender快速入门，通过案例学习到各个技术点，系统的教学方式，从建模、UV编辑、材质、纹理绘制、合成、粒子、渲染、骨骼绑定等一整套的工作流程。链接：https://www.aliyundrive.com/s/vWeQ4K456KX大小：18G标签：#Blender来自：雷锋频道：@Aliyundrive_Share_Channel群组：@alyd_g投稿：@AliYunPanBot

ODOT

软件名称：GODOT软件功能：游戏引擎支持平台：#Windows#macOS#Linux#Android软件简介：一个免费开源的游戏引擎，它支持多种编程语言、2D和3D图形、以及跨平台开发。可以使用Godot自带的GDScript、C#、C++，或者使用GDExtension引入你自己的语言。Godot的3D节点可以让你构建、动画化、和渲染你的3D世界和角色。软件下载：

程序员从零开始制作流畅的3D图形引擎 并在DIY的GPU上运行

程序员从零开始制作流畅的3D图形引擎并在DIY的GPU上运行这并不是Fish首次涉足自制图形。他最初用WebGL开发了用于网络浏览器的"Pescado"引擎，然后将其移植到用于PC显卡的OpenGL上。不过，在低功耗微控制器上实现流畅的3D渲染是一次重大飞跃。Fish的引擎被命名为"ESPescado"，用于ESP32移植，完全使用C++和OpenGL手工制作。他从零开始创建了向量、矩阵和渲染数学库。正如Fish解释的那样，"物理和几何处理发生在3D中，但在2D显示器上显示图像时，只能绘制2D点"。ESPescado使用透视投影技术将3D物体平面化为屏幕上的2D物体。此外，它的响应速度也相当快。得益于ESP32的双核设计，Fish的代码可以在一个内核上以每秒700帧的速度处理物理和输入处理，而另一个内核则专注于以每秒40帧的速度流畅地渲染线框。制作硬件本身就是黑客的梦想：一个小巧的1.9英寸320x160像素显示屏，周围环绕着ESP32大脑，配上可实现全3D控制的外置操纵杆。其中一个操纵杆甚至可以连接到手指上，带来身临其境的体验。加速计提供运动输入，用于调整游戏中的摄像头。在引擎盖下，ESPescado使用网格、顶点和矩阵等标准3D工具包。网格由三角形的点和线构成，是视频游戏中的基本物体和地形。然后，引擎可以应用缩放、旋转和定位等变换，将这些网格放置在虚拟3D世界中。YouTube上的一个演示展示了ESPescado的运行情况，Fish在黑色背景中操纵一个简单的绿色三角形物体。它让人们对该引擎的功能有了一个基本的了解，表明即使是最基本的三维图形也可以根据第一原理进行开发。对于工匠和三维数学专业的学生来说，Fish的项目让他们对三维引擎背后的核心概念有了迷人的一瞥。ESP32"ESPescado"版本和原始OpenGL"Pescado"版本都已发布在GitHub上，供所有人研究和构建。...PC版：https://www.cnbeta.com.tw/articles/soft/1426230.htm手机版：https://m.cnbeta.com.tw/view/1426230.htm

一张照片生成3D头像 苹果新模型击败StyleGAN2 表情光线都能调

一张照片生成3D头像苹果新模型击败StyleGAN2表情光线都能调进行3D建模时，需要的照片素材无需专门选择角度，数量上也只需一张。甚至对表情、发型、眼镜等元素进行调节时，也不需要额外素材。而传统的头像合成工具或者需要多张图片才能工作，或者对照片角度有刁钻的要求。正是凭借这一创新，FaceLit获得了3.5的FID评分，较同类产品直接高出了25%。改进式EG3D合成人像，光线信息单独处理下面就来看一下FaceLit具体是如何实现头像合成的。总的来说，苹果采用了将人物本体与光线分别处理再进行叠加的策略。早期的三维人像合成工具在转换过程中可能产生形变。而爆火的NeRF通过将场景拆分成具体因素，提高了3D图像合成效果，改善了这一问题。但苹果团队认为，在可控性方面，NeRF仍存有不足之处。于是，在EG3D框架的基础上，苹果创造了FaceLit的合成模型。EG3D通过三平面解码器，赋予了二维卷积神经网络生成渲染3D模型所需深度参数的能力。苹果团队对标准的EG3D训练方式进行了扩展，并将之转化成了FaceLit框架。FaceLit与传统EG3D渲染流程对比图标准的ED3G使用相机位置p参数作为基本输入参数。在建立GAN2操作时，苹果在EG3D的基础上加入了光照参数l。不同p(左→右)与l(上→下)值下的初始图像苹果选择了经过球形谐波方式简化后的Phong反射模型作为处理光源的物理基础。光照参数l就是在这一基础之上独立处理得到的。在自然界中，反射包括镜面反射和漫反射两种形式。不同镜面反射率条件下的效果对比因此，苹果在ED3G模型中加入了镜面反射解码器和漫反射解码器。它们替代了可以直接得到颜色c、密度σ数据的三平面解码器。反射解码器流程示意图通过对GAN2产生的数据进行再次解码，可以得到镜面反射率ks和漫反射率kd。然后再通过两种反射着色器得到颜色c，密度σ则由漫反射解码器计算得出。最终，FaceLit以与三平面解码器相同的参数（c，w，σ）渲染图像，并进行分辨率优化。有的放矢设计训练策略，数据无需人工标注生成框架已有，那就来到训练阶段，其特点在于训练过程中无需人工标注。方法论层面，在训练时，团队使用了FFHQ、MetFaces和CelebA-HQ数据集。对于不同的数据集，苹果使用了不同的训练方式。FFHQ包含了7万余条人脸数据，其训练分为两个阶段：先在较低的分辨率下训练，再提高分辨率再次进行。对于包含2万数据量的CelebA-HQ，训练不需要分阶段进行。而对于更小的MetFAces，则只需要通过ADA扩容的方式，使用预训练的FFHQ进行优化调整即可。定性地看，训练结果在机位、光源和反射高光等方面都有出色的表现，图中的细节也有所增强。FaceLit生成的头像（左侧四列）唇齿部位的细节进行了明显重构定量结果同样表明，FaceLit在FID、KID等指标上均优于包括标准EG3D在内的传统生成方式。在使用FFHQ作为训练集的条件下，各生成方式的表现如下表，不难看出FaceLit拥有最低的FID和KID值。而相比于英伟达的StyleGAN2，FaceLit的表现依旧出色：光线准确度方面，FaceLit在使用三种不同训练数据集的情况下，与人工设定的标准值平均均方误差均低于0.01。网友：人们低估了苹果AI消息发出后，便有网友认为“这是对更重磅产品的预热”。更有网友直接推测，FaceLit的出现标示着人工智能将进军AR和VR领域，苹果的混合现实将最终实现商用……也有网友认为，FaceLit不会商用，否则苹果才不会以论文的形式发表。针对FaceLit本身，也有网友表示，除了LLM，其他都是浮云，他们（苹果）如果不开发LLM，就没有未来。但这位网友同时也说，苹果可能已经在做（LLM）了。相应的，也有网友称人们“低估了苹果在AI领域的深度”。所以各位网友对苹果在AI领域还有什么样的期待呢？...PC版：https://www.cnbeta.com.tw/articles/soft/1357791.htm手机版：https://m.cnbeta.com.tw/view/1357791.htm

3DMAX+CR-效果图建模渲染实战

名称：3DMAX+CR-效果图建模渲染实战描述：一门实践性强的课程，旨在教授学员使用3DMAX软件进行建模和渲染创作。课程内容包括3D建模技巧、材质与贴图的应用、光照与渲染设置等方面的实战训练。通过本课程，学员将学会运用3DMAX软件创建真实感的效果图，并能够完成基本的建筑或产品渲染项目。链接：https://pan.quark.cn/s/c8324c4129cc大小：2.2GB标签：#3DMAX#建模#教学#学习资料#quark频道：@yunpanshare群组：@yunpangroup