用数学绘制角色

Painting a Character with Maths

频道:Inigo Quilez · 时长:24:46 · 发布:2020-11-28 · 播放:458669

在 YouTube 观看

简介

Inigo Quilez 完全用数学在 Shadertoy 着色器中通过有符号距离场现场编码绘制了一个卡通角色。他解释了从公式构建图像的每一步。

HN 为什么推荐

HN 反复称其为令人脑洞大开且易于理解的 SDF 和程序化艺术入门,出自一位大师级讲解者。

他是这方面的大师,也是一位出色的讲解者。 — HN, 2022

计算机图形与渲染 · 创意编程与生成艺术

中文字幕节选

[音乐] 嗨,我是 eniga quiles,今天我们要一起画一个女孩 用数学来拍一张自拍,那我们就直接开始吧,先用一个 球体来做出女孩的额头,我们使用球体的 sdf 表示法 其中 sdf 表示有符号距离函数,因为它返回的是空间中任意一点 到它所表示体积表面的距离。今天我们将用 sdf 完成所有的 雕刻工作,因为它们非常容易在计算机上渲染,只需使用 raymarching,链接在描述中。然后我们定义另一个球体,它将变成 下巴,所以我们把它变小并放低一点,我将两个球体合并 到一个单一的3D图中,这里使用mean函数,它返回两个数中较小的 一个,因为到整个形状的距离是到两个球体距离中最小的 现在我们把下巴球体替换为一个椭球体,它不是一个 而是三个半径,我们可以分别设置,这让我们对 体积形状的控制更多。事实上,我们将使这三个半径成为y的线性函数, 即空间的垂直分量,这样我们可以调整它们直到得到我们 需要的形状。现在为了将两个球体融合成一个光滑的表面,我们将 修改 mean 函数,使其在两者差异不大时,柔和地趋近较小的输入值 这个过渡是一个三次多项式 因为我们需要确保在连接点处获得连续的二阶导数 否则图像中会出现视觉错误 对于脖子,一个膨胀的线段 SDF 再次与头部平滑混合,效果会很好 我们在之前的视频中推导了这个线段公式,所以去看看那个视频 链接在描述中。接下来,我们可以用另一个线段来创建肩膀 放在右下侧,然后我们通过 x 的绝对值来镜像空间 这样线段就会自动在左侧对称生成 我觉得这幅画进展得很顺利,但我们可以通过旋转整个空间来创造更有趣的构图 在 xc 平面上旋转整个空间,然后再计算女孩的公式 就像我们从她右侧稍偏的摄像机看她一样 然后我们可以通过再次旋转空间来将头部转向摄像机 在 xy 和 xz 平面上旋转,角度是 y 的函数,我们让这个 函数成为一个带有三次过渡的阶跃函数,这样就能保持躯干锁定 但不包括头部,这种三次过渡称为 smooth step,我们将 会经常用它来实现不同目的,之所以是三次的,是因为我们需要 切线水平,才能再次获得平滑连接。如果你对此感兴趣, 我在描述中留了一个链接,你可以去看看。现在让我们 为眼球挖出一些空间,这类似于合并形状,但 我们不用平滑最小值,而是用平滑最大值,配合取反的 sdf, 再次利用对称性,一个椭球就能同时处理脸的左侧和右侧。 然而,绝对值函数会引入不连续性, 你可以在这里看到,所以我们用带偏置的平方根来替代它,其行为几乎 相同,但它是平滑的。第二个更小的椭球将挖出实际的 眼球空间,最后我们可以将完美球体平滑地融入其中, 来创建眼睑。顺便说一下,你在屏幕上看到的是我使用的 公式,它们被简化并独立出来,但请考虑每一个都 通过组合聚合成一个单一的巨型 sdf,定义了整个 雕塑。但并非全是雕塑,现在让我们在颜色和光照上做些工作。现在

HN 上的讨论

我看到 Inigo Quilez 的链接,我就点赞!他是那种令人难以置信的艺术家兼工程师,总是不断突破边界,并公开分享他的想法和技术。如果你今天有时间,去他的 YouTube 频道看几个视频,看到他的创作过程在运作是令人难以置信的:[LINK] 例如,“用数学画一个角色”令人脑洞大开,并且包含了如此多的教育内容:[VIDEO] — dgellow, 2023-04
好文章。如果有人想进一步探索 SDF,可以看看 Inigo Quilez——他是这方面的大师,也是一位出色的讲解者。用数学绘制角色:[VIDEO] 他的网站上还有更多文章形式的资料:[LINK] 最后,Shadertoy,一个图形着色器游乐场,你可以在那里看到(并尝试!)很多这类东西:[LINK] — nighthawk454, 2022-12
同意。看看他那些令人难以置信的视频!比如这个令人脑洞大开的……[VIDEO]“用数学绘制自画像女孩” — gregsadetsky, 2021-08
这是去年数学与艺术的一个令人惊叹的例子——也许该方法的实时编码比结果更令人印象深刻:[VIDEO] — kn8a, 2021-01
如果你不了解有符号距离场,[VIDEO] 是一个展示其强大功能的惊人演示。关于SDF基础的更多视频在 [LINK] 这篇论文的有趣之处在于,他们用神经网络替换了数学SDF,计算SDF_NN(x,y,z) => -1/1,并将其用作基于网格输入的压缩系统。这感觉像是基于神经网络的文本压缩的 [LINK] 的图形版本。 — sxp, 2021-01

相关视频