你是如何界定高低模?听听大佬怎么说!零基础小白须知!

本文探讨了3D建模中高低模的界定标准,指出以面数定义高低模的不合理性,提出合理定义应为:对面数有控制的模型为低模,无控制的为高模。高模常用于影视、广告和法线贴图烘培,而低模主要用于游戏等即时显示场景。
部署运行你感兴趣的模型镜像

之前说到高低模,可能有些朋友还是有些疑惑,今天我们就来说说高低模是怎么区分的。

在日常工作交流中,最令人反感的定义方式就是"用面数定义"。

那简直就是众说纷纭,说了等于没说。如:

上3000面的是高模

上4000面的是高模

上4500面的是高模

上10000面的是高模

如果现在仍然抱着用面数来区分"高模"、"低模"的话。

亲,你没救了!大兄弟赶紧准备后路吧。

                                         【3D建模学习资料领取方式见文末】

次世代人物建模

不懂的朋友们可以百度,当然了,百度的结果还是比较权威的。里面对"高模"、"低模"的解释还是很专业的。

如:

高模一般经过smooth处理——这是从做法上讲的。

高模一般用于影视、广告。低模一般用于游戏。——这是从用途来说的。

高模一般用于烘培,贴在低模上。——这是从制作法线贴图上来说的。

3Dmax建模

其实有一种定义方式比较合理。

那就是:

对面数有控制的模型——低模

对面数无控制的模型——高模

这种说法既体现了制作方式,也体现了模型用途。 一般来讲:用于渲染的模型,都不控制面数。基本上可以用模型编辑的一切功能达到效果。用于效果图,影视动画,2D游戏,法线烘培……而用于即时显示的模型,需要控制面数,基本使用EditablePoly。一般只用于3D游戏。也许建筑家装中所用的一个桌子模型是100面,一个3D游戏角色是3000面。

但是!桌子仍然是高模!因为没有人规定你桌子要控制在多少面内。你可是肆意倒角,肆意平滑,只要你电脑扛得住,你高兴,你甚至可以模型做出桌子上的纹理,把100面的桌子做到100万面。而3D游戏模型,限定了面数。这里一定要控制在3000上下的范围内。

Maya建模zbrush

总之,

从面数上去定义"高模"、"低模"绝对是错误的。

一般推荐的定义是:

对面数有控制的模型——低模

对面数无控制的模型——高模

文章推荐阅读【学习企鹅圈:634649828

游戏建模师具体工作内容!30岁后进入行业算不算晚?为你解答

萌新小白学习必备,3D游戏建模入门基础知识!你都知道吗?

萌新小白该怎么去学3D游戏建模?自学能学会吗?为你解答

3D建模中的Maya是用来做什么的?Maya是否很难学习?你都了解吗?

英雄联盟疾风剑豪3D模型制作,“长路漫漫,唯剑作伴”

 

您可能感兴趣的与本文相关的镜像

Dify

Dify

AI应用
Agent编排

Dify 是一款开源的大语言模型(LLM)应用开发平台,它结合了 后端即服务(Backend as a Service) 和LLMOps 的理念,让开发者能快速、高效地构建和部署生产级的生成式AI应用。 它提供了包含模型兼容支持、Prompt 编排界面、RAG 引擎、Agent 框架、工作流编排等核心技术栈,并且提供了易用的界面和API,让技术和非技术人员都能参与到AI应用的开发过程中

<think> 首先,用户的问题是关于在ANSYS中使用拉丁超立方抽样(LHS)生成了50个样本,输入是6个参,输出是2个参据整理到Excel中,没有目标函。用户想知道能否在MATLAB中进行Sobol全局敏感性分析,以及50个样本量是否足够。 回顾引用内容: - 引用[1]和[4]讨论了拉丁超立方抽样(LHS)及其在ANSYS中的应用。 - 引用[2]和[3]提到了蒙特卡洛方法(MCS)和拉丁超立方试验设计。 - 引用[5]是关于ANSYS的直接优化设计,使用SQP法。 用户的问题是独立的,但引用提供了背景:LHS是一种空间填充采样方法,常用于实验设计,特别是在不确定性量化中。 关键点: - **样本量**:50个样本用于6个输入参和2个输出。 - **分析类型**:Sobol全局敏感性分析(GSA)。Sobol方法基于方差分解,用于量化输入对输出的影响。 - **据来源**:从ANSYS的LHS抽样生成的据,存储在Excel中。 - **目标函缺失**:用户提到“无目标函”,但在这里,“输出”可能指的是系统响应或目标函的值。在敏感性分析中,输出通常是型响应,所以“输出2个参”可能意味着有两个响应变量。 在Sobol分析中: - Sobol敏感性分析需要输入-输出对来估计敏感性指。 - 样本量是关键的,因为它影响估计的准确性。 **能否在MATLAB中进行Sobol分析?** - 是的,MATLAB有工具包可以进行Sobol全局敏感性分析,例如Global Sensitivity Analysis Toolbox (GSA Toolbox) 或SobolGSA函。用户可以将Excel据导入MATLAB,并使用这些工具进行分析。 **50个样本是否足够?** - Sobol分析通常需要大量样本,因为它涉及计算高阶交互作用。 - 一般规则:对于k个输入参,样本量N应该远大于2^k或至少为N = n*(k+1)或类似,其中n是基础样本大小。 - 具体到Sobol方法: - 标准Sobol方法使用两个样本矩阵(A和B),每个大小为N。 - 总样本通常是N * (k + 2) 或类似,取决于实现。 - 对于k=6参,如果使用Saltelli序列(一种高效方法),样本需求是N * (2k + 2),其中N是基础样本大小。 - 例如,Saltelli (2002) 建议N至少为1000或更多,但对于小k,可能更低。 - 50个样本对于6个参来说可能不足。 - 粗略估计:Saltelli方法需要大约N * (2k + 2)样本。对于k=6,2*6 + 2 = 14,所以每个基础点需要14个样本点。因此,对于总样本M,基础N ≈ M / 14。 - 如果M=50,则N ≈ 50 / 14 ≈ 3.57,太小了。这意味着基础样本大小只有约4,不足以可靠估计敏感性指。 - 通常,建议N在100到1000之间,取决于参量和型复杂性。 - 因此,50个样本可能不够,会导致估计不准确或高方差。 **其他考虑:** - 由于没有目标函,但输出是给定的,这应该没问题,因为Sobol分析只需要输入和对应的输出值。 - 在MATLAB中,用户可以使用像sobol_indices或自定义脚本这样的函,使用Saltelli方法。 基于引用: - 引用[1]和[4]确认了LHS在ANSYS中的使用,这支持用户可以生成样本。 - 引用[2]提到蒙特卡洛方法,类似于Sobol,但Sobol更高效。 - 没有直接引用Sobol,但原理类似。 回答结构: 1. **确认可行性**:是的,可以在MATLAB中进行Sobol分析。 2. **样本量评估**:50个样本可能不足,建议增加样本。 3. **步骤建议**:如何在MATLAB中操作。 4. **生成相关问题**:根据系统指令。 用中文回答,结构清晰。 </think> ### 回答您的查询 您的问题是关于在ANSYS中使用拉丁超立方抽样(Latin Hypercube Sampling, LHS)生成了50个样本(输入为6个参,输出为2个参据已整理到Excel),在没有显式目标函的情况下,能否在MATLAB中进行Sobol全局敏感性分析,以及50个样本量是否足够。我将基于您的查询和提供的引用内容,逐步分析和回答。 #### 1. **能否在MATLAB中进行Sobol全局敏感性分析?** - **可行性和步骤**:是的,完全可以在MATLAB中进行Sobol全局敏感性分析。Sobol方法是一种基于方差分解的全局敏感性分析技术,用于量化每个输入参对输出响应的独立影响和交互作用。它只需要输入-输出据对(即样本据集),而不需要显式的目标函(您的输出参可以视为型的响应变量)。 - **MATLAB工具支持**:MATLAB提供了专门的工具箱(如Global Sensitivity Analysis Toolbox)或内置函(如`sobolIndices`或`gsa`)来实现Sobol分析。您的据存储在Excel中,可以轻松导入MATLAB(使用`readtable`或`xlsread`函)。 - **操作步骤**: 1. 将Excel据导入MATLAB(假设输入据列为6个参,输出据列为2个响应)。 2. 使用Sobol方法函进行分析。例如: ```matlab % 示例代码(假设据已导入为变量inputs和outputs) % inputs: 50×6矩阵(50样本,6参) % outputs: 50×2矩阵(50样本,2响应) % 使用Global Sensitivity Analysis Toolbox(需安装) % 例如,对第一个输出响应进行分析 [S1, ST] = sobolIndices(inputs, outputs(:,1), &#39;Method&#39;, &#39;Saltelli&#39;); % S1: 一阶Sobol指(独立影响) % ST: 总Sobol指(包括交互作用) % 或者使用gsa函 % gsa_results = gsa(@(x) your_model_function(x), &#39;Sobol&#39;, bounds, &#39;NumSamples&#39;, 50); % 但您已有据,可直接基于据集分析,无需型函。 ``` 3. 结果解释:Sobol指范围在[0,1],值越大表示参对输出的影响越大。您可以分别对两个输出响应进行分析。 - **为什么可行**: - Sobol分析的核心是输入-输出据,您的据来自ANSYS的LHS抽样(引用[1]和[4]提到LHS是一种高效的空间填充采样方法,适用于不确定性分析)。输出参(2个)可直接作为响应变量,无需额外目标函。 - MATLAB的Sobol实现(如Saltelli方法)能处理多维输入输出,引用[2]中提到的蒙特卡洛方法(MCS)与Sobol类似,但Sobol更高效,尤其适用于参较多的场景[^2][^4]。 - **注意事项**: - 确保输入据已标准化(例如,缩放至[0,1]范围),以避免尺度问题影响敏感性指。引用[1]中提到了样本从归一化空间转换到实际空间的方法,类似处理可在MATLAB中完成。 - 如果输出参之间存在相关性,建议分别对每个输出进行分析,而不是合并。 #### 2. **50个样本量是否足够?** - **评估**:50个样本对于6个输入参和Sobol分析来说**可能不足**,尤其当参间存在复杂交互作用时。原因如下: - **样本需求规则**:Sobol方法(特别是Saltelli序列)需要较大的样本量来可靠估计敏感性指。一般经验公式为: - 总样本 \( M \) 应满足 \( M \geq N \times (2k + 2) \),其中 \( k \) 是输入参量(这里k=6), \( N \) 是基础样本大小(通常至少100-1000)。 - 对于k=6,最小 \( M \approx 100 \times (2 \times 6 + 2) = 1400 \) 样本(这是理想值)。但实际中,采用简化方法时,最低要求为 \( M \geq 10 \times k \) 或更多。 - 您的M=50,计算得 \( N \approx 50 / (2 \times 6 + 2) \approx 3.57 \),这远低于推荐值(N<5),可能导致敏感性指估计偏差大、方差高,无法捕捉高阶交互作用[^2][^4]。 - **实证建议**:在工程应用中(如引用[3]中ANSYS概率设计),对于6个参,样本量通常在200-1000之间。50个样本可能仅适用于初步探索,但不足以进行鲁棒的全局敏感性分析。如果型简单(如线性或低非线性),50个样本可能给出粗略趋势,但不推荐用于决策。 - **风险**:样本不足时,Sobol指可能不稳定(例如,通过Bootstrap方法验证会显示高置信区间)。引用[2]指出,蒙特卡洛类方法(包括Sobol)在样本不足时精度显著下降[^2]。 - **改进建议**: - **增加样本**:在ANSYS中重新运行LHS抽样,生成更多样本(目标样本量200-500)。引用[1]和[4]表明LHS设计在ANSYS中易于实现,且能保持空间填充特性[^1][^4]。 - **替代方法**:如果无法增加样本,可尝试其他敏感性分析方法(如基于回归的Morris方法),这些对样本需求较低,但牺牲全局精度。 - **验证**:在MATLAB中用现有据进行初步分析,并检查指置信区间(如使用Bootstrap)。如果标准差过大,则样本不足。 #### 总结 - **MATLAB分析可行性**:是,使用内置工具可直接基于Excel据进行Sobol分析。 - **样本充足性**:50个样本不足(尤其对6参),建议增加到至少200个样本以提高可靠性。 - **行动步骤**:先在MATLAB中尝试分析(代码示例提供),但结果可能仅作参考;优先在ANSYS中重新抽样生成更多样本。 如果您共享据片段或更多细节(如参分布),我可以提供更具体的MATLAB代码优化建议。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值