SlideShare a Scribd company logo
1 of 21
Download to read offline
おさらい
ビュー操作
MMB+ドラッグ
視点の回転
Shift+MMB+ドラッグ
視点の平行移動
Ctrl+MMD+上下ドラッグ
ズームイン・アウト
おさらい2
オブジェクトを選択 : LMB
移動 : Gキー
回転 : Rキー
拡大 : Sキー
オブジェクト作成 : Shift+Aキー
最初の一歩
スカルプトモードでオブジェクトを変形する
下準備
適度な密度のオブジェクトを作る
四角を作成
サブディビジョン>フリーズ
よく使うブラシ
Grab or SnakeHook :Gキー,Kキー
引っ張る
Clay :Cキー
盛り上げる
Inflat :Iキー
ふくらませる
Pinch :Pキー
つまむ/小さくする
ScultDraw :Xキー
通常っぽいブラシ
スカルプトで変形してみよう
ショートカット
ブラシの半径 : Fキー
ブラシの強さ : Shift+Fキー
スムーズブラシ : Shiftキー
ブラシ効果を反転 : Ctrlキー
(盛り上げる<>下げる)
マスク : Mキー
マスク消去 : Ctrl+Mキー
ポリゴンの頂点を直接スカルプトで変形
特徴:すでに存在している頂点を動かす
高密度な頂点には向いてない
モーフターゲットでの使用することがおおい
さっきやったのがこれ
Dyntopo(ダイナミックトポロジー)
特徴:編集した場所に自動的に頂点を追加する
ポリゴン形状にとらわれず、全体の形を作るのに向いている
≒ Sculptris、3DCoat(サーフェイスモード)
三角ポリゴン化される
モデファイアと相性が悪い
Dyntopoの基本的な使い方
スカルプトモードに入りDyntopoボタンを押す
スカルプトすると、編集した場所だけポリゴンが追加される
ダイナミックトポロジーの有効と無効を切り替え
: Ctrl+Dキー
Dyntopoを使ってみよう
追加>メッシュ>立方体
細分化曲面、解像度3>適用
スカルプトモード
グラブツールで変形
Dynatopo有効
SnakeHookで大まかに編集
Smoothで整える
Clayで目や鼻を盛り上げる
Pinchで隙間をシャープにする
ScultDrawで模様を描く
知っておくと便利な機能①
 ビュー>レンズ
エディタカメラの画角を変更できる
デフォルトは広角すぎなので80mm~100mmがおすすめ
 シェーディング>Matcap
モデリングに便利な疑似シェーディング
立体感をつかみやすい
 Dynatopo>細部
スカルプトの基準解像度
 スカルプト>操作を高速化
操作が軽くなる
MultiResolution(マルチレゾリューション)
特徴:ポリゴンの解像度を複数持つ
編集の大きさに合わせて自由に変更できる
細部に手を加えずに、大胆に形を変えることができる
≒ ZBrush
レンダリング時にだけ頂点数を増やせるので、ムービーに最適
MultiResolutionの基本的な使い方
モデファイア>多重解像度
( MultiResolution )
細分化ボタン
最大解像度を増やす
プレビュー/スカルプト/レンダー
それぞれの操作中の解像度
細分化レベルを1つ上げる : Page upキー
細分化レベルを1つ下げる : Page downキー
MultiResolutionを使ってみよう
追加>メッシュ>立方体
細分化曲面、解像度3>適用
低い解像度で大きな塊を編集
解像度を上げて作り込む
大きな編集をする場合は解像度を下げる
足りない場合は最大解像度をあげる
いつでも自由に変えれる
知っておくと便利な機能②
Skinモデファイア
ポリゴンのエッジに太さをつけられる
素体に便利
ctrl+Aで太さを編集
≒ ZBrushのZsphere、3DCoatの曲線
知っておくと便利な機能③
リメッシュ
ポリゴンを一塊の形状として再構成する
四角ポリゴンになるのでMultiResolutionにも向い
ている
結合した形状でもひとつながりにできる
リアルタイムで動かすため、データサイズをかなり厳密に管理する必要がある
動かさない背景であってもライトマップなどを使用するため制約は多い
基本的にスカルプトの細部はベイクしてノーマルマップに焼きこんで使用する
▶ リトポ、ノーマルマップについて勉強してみよう
ノーマルマップ
ポリゴンの細かい凹凸情報(法線の変化情報)を焼き込んだテクスチャ。
実際にはディテールがなくとも、ディテールがあるかのように見える。
リアルタイムレンダーほどは制約は少ないが、基本的にスカルプトの細部
はベイクしてノーマルマップに焼きこんで使用する
▶ リトポ、ノーマルマップについて勉強してみよう
めり込みをなくなど、プリンターに合わせた調整が必要
現実に存在する物体なので現実的な制約にも配慮
(細すぎて折れないかなど)
工業製品であればオーバーハングなどにも気を使い、型抜きしやすい造形
にする必要がある
▶ 原型師向けの本で勉強しよう

More Related Content

What's hot

今さら聞けないカーネル法とサポートベクターマシン
今さら聞けないカーネル法とサポートベクターマシン今さら聞けないカーネル法とサポートベクターマシン
今さら聞けないカーネル法とサポートベクターマシン
Shinya Shimizu
 
条件付き確率場の推論と学習
条件付き確率場の推論と学習条件付き確率場の推論と学習
条件付き確率場の推論と学習
Masaki Saito
 

What's hot (20)

主成分分析
主成分分析主成分分析
主成分分析
 
L0TV: a new method for image restoration in the presence of impulse noise
L0TV: a new method for image restoration in the presence of impulse noiseL0TV: a new method for image restoration in the presence of impulse noise
L0TV: a new method for image restoration in the presence of impulse noise
 
【DL輪読会】Monocular real time volumetric performance capture
【DL輪読会】Monocular real time volumetric performance capture 【DL輪読会】Monocular real time volumetric performance capture
【DL輪読会】Monocular real time volumetric performance capture
 
IIBMP2016 深層生成モデルによる表現学習
IIBMP2016 深層生成モデルによる表現学習IIBMP2016 深層生成モデルによる表現学習
IIBMP2016 深層生成モデルによる表現学習
 
【DL輪読会】Drag Your GAN: Interactive Point-based Manipulation on the Generative ...
【DL輪読会】Drag Your GAN: Interactive Point-based Manipulation on the Generative ...【DL輪読会】Drag Your GAN: Interactive Point-based Manipulation on the Generative ...
【DL輪読会】Drag Your GAN: Interactive Point-based Manipulation on the Generative ...
 
論文紹介:Grad-CAM: Visual explanations from deep networks via gradient-based loca...
論文紹介:Grad-CAM: Visual explanations from deep networks via gradient-based loca...論文紹介:Grad-CAM: Visual explanations from deep networks via gradient-based loca...
論文紹介:Grad-CAM: Visual explanations from deep networks via gradient-based loca...
 
【DL輪読会】Visual Classification via Description from Large Language Models (ICLR...
【DL輪読会】Visual Classification via Description from Large Language Models (ICLR...【DL輪読会】Visual Classification via Description from Large Language Models (ICLR...
【DL輪読会】Visual Classification via Description from Large Language Models (ICLR...
 
BRDF レンダリングの方程式
BRDF レンダリングの方程式BRDF レンダリングの方程式
BRDF レンダリングの方程式
 
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチMIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
 
DeepLearningTutorial
DeepLearningTutorialDeepLearningTutorial
DeepLearningTutorial
 
[DL輪読会]Generative Models of Visually Grounded Imagination
[DL輪読会]Generative Models of Visually Grounded Imagination[DL輪読会]Generative Models of Visually Grounded Imagination
[DL輪読会]Generative Models of Visually Grounded Imagination
 
今さら聞けないカーネル法とサポートベクターマシン
今さら聞けないカーネル法とサポートベクターマシン今さら聞けないカーネル法とサポートベクターマシン
今さら聞けないカーネル法とサポートベクターマシン
 
[DL Hacks]Simple Online Realtime Tracking with a Deep Association Metric
[DL Hacks]Simple Online Realtime Tracking with a Deep Association Metric[DL Hacks]Simple Online Realtime Tracking with a Deep Association Metric
[DL Hacks]Simple Online Realtime Tracking with a Deep Association Metric
 
2014年5月21日「パーティクルフィルタの癖から知るロボットへの確率的手法の正しい適用方法」---第58回システム制御情報学会研究発表講演会チュートリアル講演
2014年5月21日「パーティクルフィルタの癖から知るロボットへの確率的手法の正しい適用方法」---第58回システム制御情報学会研究発表講演会チュートリアル講演2014年5月21日「パーティクルフィルタの癖から知るロボットへの確率的手法の正しい適用方法」---第58回システム制御情報学会研究発表講演会チュートリアル講演
2014年5月21日「パーティクルフィルタの癖から知るロボットへの確率的手法の正しい適用方法」---第58回システム制御情報学会研究発表講演会チュートリアル講演
 
非技術者でもわかる(?)コンピュータビジョン紹介資料
非技術者でもわかる(?)コンピュータビジョン紹介資料非技術者でもわかる(?)コンピュータビジョン紹介資料
非技術者でもわかる(?)コンピュータビジョン紹介資料
 
[DL輪読会]Meta-Learning Probabilistic Inference for Prediction
[DL輪読会]Meta-Learning Probabilistic Inference for Prediction[DL輪読会]Meta-Learning Probabilistic Inference for Prediction
[DL輪読会]Meta-Learning Probabilistic Inference for Prediction
 
20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation
 
モデル予見制御に基づくペアトレード戦略
モデル予見制御に基づくペアトレード戦略モデル予見制御に基づくペアトレード戦略
モデル予見制御に基づくペアトレード戦略
 
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
 
条件付き確率場の推論と学習
条件付き確率場の推論と学習条件付き確率場の推論と学習
条件付き確率場の推論と学習
 

Blenderで学ぶスカルプト勉強会