游戏美术:关于一个服饰外观呈现方案的可行性探讨

文章探讨了MMORPG中角色服饰设计的问题,指出传统部位装备和时装系统的优缺点。提出了一种改良方案,即在时装基础上增加配件库,让玩家能自主改造时装,实现个性化搭配,同时保持角色成长的视觉反馈。该方案旨在兼顾玩家的自由搭配需求和角色外观的协调性,提供更丰富的创意空间。


文/远凨

对MMORPG而言,角色服饰是玩家表达自我个性的一种主要途径,目前几乎所有游戏都约定俗成般地沿用了以《暗黑破坏神》为代表的服饰机制,即参照普通人着装规则将服饰拆分为头、胸、腿、脚、肩等独立部分,各个部分分别控制人物模型中对应部位外观的呈现,如脚部的装备在穿戴后只会改变模型里属于脚的部位的外观。这种设计给予玩家充分的自由去搭配自己喜欢的角色服饰,然而,服饰往往是与角色属性挂钩的,玩家不会由于不想穿戴手套而舍弃手部属性,角色服饰的设计因之被困在了一个固定的模板中。

对此,或许某个可怜的美术会发出这样的感概:“我已经设计了上百款不同造型的肩甲!为什么所有服饰都非得要个肩甲?灵感枯竭,累感不爱!”

又或许正是从这样的抱怨中才诞生了后来的“时装”—使用统一的时装外观覆盖原来服饰的外形,省去玩家纠结于优秀的属性和别扭的外形的烦恼,但也舍弃了玩家对于个性的服饰搭配的需求。甚至到了《剑灵》,设计者彻底摒弃了传统的按部位划分的服饰表现机制,直接使用时装来表现人物的衣着(为了让服饰与角色肢体动作更完美地结合,还大动干戈地针对每款时装进行一次次独立的建模)。

可时至今日,时装也未能彻底取缔传统的服饰外观呈现机制,那么是否有什么方案能够更好地融合二者的特长的同时又规避各自的缺陷呢?

以下先整理出两种设定的各自优缺点:

传统的服饰表达机制(以《魔兽世界》为代表)
 

  • 给予玩家高自由度去搭配自己角色与众不同的服饰外形,从中获得成就感。
  • 通过不断替换服饰部件反映角色成长提升。(《魔兽世界》低等级的角色是没有可穿戴的肩甲或头盔的,而伴随角色的升级,各个部件的外形还会越变越华丽,比如披风会越来越长……)
  • 贴近现实中的穿戴体验,比时装更具认同感。
  • 玩家可能因为优异的装备属性和别扭的外形而心生不爽。
  • 服饰形态相对固定(总是有肩甲、帽子和披风),限制创作空间,审美容易疲劳。


时装系统(以《剑灵》、《天涯明月刀》为代表)
 

  • 允许美术更自由的发挥,服饰也会更具特色。
  • 协调的服饰外形,和谐美好的游戏环境(不会被各种极富创造力的杀马特风格搭配闪瞎狗眼)。
  • 方便独立建模,能够做到与人物协调并存(不用考虑护肩太大与头盔重叠这种情况,或许还能更方便地制作随动作产生的褶皱效果)。
  • 相较传统的服饰机制,不容易通过时装外形体现角色成长程度。
  • 扼杀玩家在服饰上的个性表达(个性选择),游戏里的时装一眼即可阅尽。


我的想法是:在现有时装基础上做小小改良,提供玩家自主改造时装的空间(如增添/改变帽子、围巾、靴子等的款式)。
 


具体做法:
 

  • 为每套时装设计独立的【配件库】。
  • 当初次装备某套时装后,仅显示简单的时装外观(如简单的一件粉色连衣裙)。
  • 只有在为装备的时装添上【配件库】里各式各样的配件后,时装外观才会逐渐变得复杂华丽。(连衣裙的颜色被换成蓝色,搭上了围巾、宽边帽、长筒袜、水晶鞋,甚至连衣裙变成小短裙)
  • 配饰槽(装备槽)按作用位置及功能区分,同一配饰槽最多容纳一种配饰。
  • 配饰存在装备位置和占用位置的概念。二手QQ拍卖平台装备位置指配饰对应的配饰槽;占用位置则指装备占用的配饰槽(举栗说明:某个红围巾配饰,想象《SHINOBI》里的忍者着装,其装备位置属于颈部,同时又占用背部配饰槽。)
  • 时装决定角色服饰的整体样式(海盗服/牛仔装),配饰决定服饰最终呈现的样貌(海盗帽配罩衫/独眼眼罩搭褴褛罩衫)
  • 玩家可以通过游戏中的各类行为获取时装的配饰,甚至是专门的裁缝副业。
  • 要求插画师快乐地为自己设计出的时装制作尽可能多种的变种款式。
内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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