23年几个能打的UE4游戏技术选型

UE4游戏技术选型与流畅度实测:《霍格沃兹之遗》等作品回顾
本文分析了2023年几款使用UE4技术的热门游戏,如《霍格沃兹之遗》、《原子之心》等,着重于技术选型(包括PreBake、RTGI和RaytracedReflection),并评价了它们的画面质量和流畅度,尽管开发商技术积累有限,但最终效果良好。
部署运行你感兴趣的模型镜像

在这里插入图片描述
近期发现很多的精力放在游戏的整体技术选型以及产生的结果上面,所以回顾下几个游戏的选型和结果;
这里一个是自己玩游戏的画面流畅度的直接感受,以及一直非常喜爱的评测“数毛社”,digital foundry;
23年目前来看,几个比较能打的UE4游戏是:

  • <霍格沃兹之遗>
  • <原子之心>
  • < lies of p >
  • < Star Wars Jedi Survivor>
    几个游戏是23年发布的质量不错的游戏,比较早期的时候也都玩了,几款作品可以说是比较成熟相似的;

overview

简单总结,四个游戏都是UE4的游戏,使用的技术选型是UE4后期的成熟技术,主要体现在:

  • PreBake的技术(具体选型目测是cook的IrradianceVolume系的技术,而不是lightmap)
    • 部分加了rtgi(应该是ddgi系列)
  • Reflection:反射ssr+parallax cubemap
    • 部分加了raytraced reflection
  • 角色渲染比较基础,布料一般,头发插片,简单模拟;
  • 一些volumetric的效果也都还可以(fog等等)

总体的画质和流畅度总体比较合适:画面挺ok,但是流畅度很好;现在主流的3060可以流畅的跑,卡顿什么的都处理比较好;

几个游戏的开发商,要么是新的开发商,要么是没有做过什么名气作品的,没有迹象表明有很多技术积累,但是选择的比较合适,最后的结果还是不错的。

《霍格沃兹之遗》

avalanche software, 和做了《just cause》系列的avalance studio不是一个;
之前的作品都没玩过(其实是没听说过)
在这里插入图片描述

  • baked volume lighting(irradiance volume系列的,ddgi也算在其中)

  • realtime ao计算
    在这里插入图片描述

  • reflection:ssr+parallax cubemap:

  • character

  • cloth:简单模拟,但是质量问题很多

  • 头发:card based,dither的方案做透明,noise问题处理的比较好在这里插入图片描述

  • 角色光照:专门的角色光照

  • perf:console上比较流畅,pc上主流配置ok,我自己电脑上跑100fps+流畅度很不错;

  • pc的要求也是主流要求即可;

< Atomic Heart>

Mundfish(2017年成立)
整体上和hogwarts的技术选型高度相似,也是帧数上非常的好;
整个游戏风格非常的独特,也是体验的比较多的,很喜欢,这才是游戏该有的样子么;

  • pc版后来出了raytraced ao的版本

《lies of p》

  • 整体和hogwarts比较像;
  • 在console上的quality mode和performance mode中有一些volumetric fog等方面的区别:
    在这里插入图片描述

star wars

  • respawn的出品,开始加了一些raytracing的feature,不过应该是console上的支持比较费劲,整体在pc以及performance mode的表现不太好;
  • 怎么说呢,游戏整体是比较好,美术,设计,操作,level,技术本身还是比较抱歉;
  • 最近出了新的performance mode处理了不少问题

sum

两款作品的团队基础以及结果表现,是一个值得记录的点;

您可能感兴趣的与本文相关的镜像

ACE-Step

ACE-Step

音乐合成
ACE-Step

ACE-Step是由中国团队阶跃星辰(StepFun)与ACE Studio联手打造的开源音乐生成模型。 它拥有3.5B参数量,支持快速高质量生成、强可控性和易于拓展的特点。 最厉害的是,它可以生成多种语言的歌曲,包括但不限于中文、英文、日文等19种语言

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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