ساخت تکسچر تکرارشونده با هوش مصنوعی
از عکس نزدیک یک سطح، بافتی بسازید که کنار خودش درز مشخصی نداشته باشه. از همون تصویر میتونید فایلهای رنگ، برجستگی و زبری رو برای مدل سهبعدی بگیرید.
ساخت تکسچر تکرارشونده با هوش مصنوعی زمانی به درد میخوره که برای یک میز سهبعدی از بافت چوب عکس گرفتید، ولی با تکرار عکس، گوشه روشن هر تکه مثل یک مربع جدا دیده میشه. اسکیل pbr-material-map-prep به ایجنتتون کمک میکنه تغییرات پهن روشنایی رو از نقش ریز سطح جدا کنه و لبهها رو طوری به هم برسونه که تکرار تصویر کمتر خودش رو نشون بده.
برای دیدن نتیجه، راهنما یک تصویر آزمایشی هم میسازه که محل اتصال لبهها در وسطش قرار گرفته. اینطوری میتونید به جای حدس زدن از روی چهار مربع کنار هم، مستقیم همون خط رو بررسی کنید. بعد از تایید رنگ، میتونید از روی تصویر، نقشه زبری و برجستگی تقریبی بسازید و هر کدوم رو جدا در نرمافزار سهبعدی خودتون امتحان کنید.
کاربردها
- روشنایی نامساوی عکس رو کم کنید و تا جایی که میشه رگهها و دانههای ریز سطح رو نگه دارید.
- برای رفع درز تکسچر، اختلاف دو سر تصویر رو با اختلاف پیکسلهای نزدیک وسط تصویر مقایسه کنید.
- محل اتصال رو به مرکز کادر ببرید و ببینید خط یا تغییر ناگهانی رنگ باقی مونده یا نه.
- برای متریال سهبعدی، رنگ، جهت برجستگی، ارتفاع و زبری رو در فایلهای PNG جدا بگیرید.
- یک نمونه تکرارشده رو روی مدل امتحان کنید تا مقیاس رگهها در اندازه واقعی سطح درست دیده بشه.
نصب و استفاده
- اسکیل رو به ایجنتتون اضافه کنید. برای اجرای محلی به Python و بستههای NumPy، SciPy، OpenCV و Pillow نیاز دارید. عکس مجاز سطح رو در اختیارش بذارید.
- مثلا بگید «از این عکس بافت چوب، یک تکسچر برای روی میز بساز. قبل از ساخت بقیه نقشهها، تصویر بررسی درز رو نشون بده».
- بعد از دیدن نمونه، از ایجنت بخواید نقشههای جدا رو با اسم مشخص ذخیره کنه. نسخه اصلی عکس رو نگه دارید.
سوالات متداول
منبع
ساخته Mililab Co., Ltd. نام اصلی: pbr-material-map-prep، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub