可视性选项部分负责粒子渲染方式和显示范围。
渲染顺序组
Renderloop hook(渲染循环钩子) 勾选项定义该层在(默认)渲染循环中的渲染入口点。 通常选择默认的 Particles 即可,不必改动。 仅当印渲染顺序错误导致渲染伪影时,才需要改动勾选项。
在绝大部分情况下,仅勾选一个渲染钩子是正确的选择,但使用多个钩子的情况也可能存在(罕见的特殊情况)。 此功能可以使用,但会导致额外的性能负担! 因此默认禁止多选。 如需启用,打开渲染顺序组的上下文菜单,选择”Toggle multiple hook selection mode”(切换到钩子多选模式)。
可视性组
Visibility bitmask(可视性位元蒙版): 定义逐层可视性的过滤位元蒙版。 该过滤蒙版会与每个对应效果图形的 VisibleBitmask(可视性位元蒙版)属性合并(AND 逻辑)。
Always in foreground(置顶): 如设置,粒子渲染器状态会忽略 z 缓存,所以粒子会始终可见,不会被实心墙壁遮挡。 该功能可用于第一人称视角的枪口火光粒子。 Depth Offset(深度补偿)值可以让粒子略微朝镜头偏移,以避免毗邻几何体的交叉。 如果深度补偿设为 0.001,则粒子距离会被乘以 0.999 的因数。
Simulate only when visible(仅在可见时模拟):启用后,仅当该粒子组在镜头中实际可见时才执行粒子模拟。 此默认设置适用于大部分效果,但如果要创造爆炸等任何一次性效果,您需要取消勾选该选项。 这是因为爆炸被触发时,镜头不一定正好对准该效果。 在默认启用的设置下,爆炸效果会暂停(因为它不可见),直到镜头返回对准爆炸效果,这不是爆炸应有的状态。 为确保爆炸或任何其他一次性效果不在镜头视野中也能完成模拟循环,请保证”仅在可见时模拟”选项处于未勾选状态。
Depth offset(深度补偿): 该值定义了粒子朝镜头移动的距离,表示为粒子距离的分数(从 -0.5 到 0.5)。
Initial Bounding Box(初始边界框): 定义了中心周围的初始可视性边界框。 这一尺寸应大到足够容纳所有粒子。 但可使用”Dynamically update”(动态更新)参数,在运行期间重新计算边界框。
动态更新:每隔 x 秒重新计算可视性边界框。 重新计算后的边界框是非常精确的。 但因为这一计算需要涵盖所有粒子,重计算的性能负担是很大的,不可能为每一帧进行。 所以,粒子系统支持每隔 x 秒执行一次重新计算,x 值应谨慎选择。 例如,尺寸迅速变化的粒子组可设 x 为 1秒,而雾粒子效果组设成 5 秒就足够。
距离淡出组
粒子可随距离淡出。 这一方面可以节省性能,因为远方的粒子组可以被完全剪切,而另一方面可以为场景中的深度雾增加效果。 粒子编辑器提供三种距离淡出模式(粒子应在雾范围内淡出,而非被雾化):
No distance fade(无距离淡出): 粒子不会淡出。
雾距离淡出: 粒子始终使用场景中定义的雾范围来淡出。 如果雾被禁用,该选项就等同于”无距离淡出”。
Custom fade(自定义淡出): 由可以自行设置的起始和结束距离定义的自定义淡出范围。
不管使用哪种模式,如果比远端距离更远,则粒子组会被剪切(可能也不会再被模拟)。
注:粒子顶点着色器以粒子的 alpha 值进行淡出。 所以淡出在大部分(非标准)混合模式下无法正常工作。 但可以在叠加和 alpha 混合粒子中正确工作。
相关推荐
Solem -- Programming Computer Vision with Python -- 2012 -- code.7z
Adrian Rosebrock-Deep Learning for Computer Vision with Python,三本全,附赠一个Deep Learning for Computer Vision Expert techniques to train advanced neural networks using TensorFlow and Keras,侵删,...
总之,LabVIEW与Vision的结合在粒子筛选应用中展示了其强大的能力。从图像获取到结果输出,每一个步骤都可以通过直观的图形化编程实现,从而满足不同领域的复杂视觉需求。通过深入理解和实践,开发者可以充分利用...
OpenGL-Vision OpenGL-Vision OpenGL-Vision
- **缩写词**:为了便于理解和使用,GigE Vision 标准中引入了许多缩写词,如 GVC (GigE Vision Compliance)、GVS (GigE Vision Specification) 等。 #### 五、参考文档 GigE Vision 标准的制定过程中参考了多种...
vision_-1.9.2-34-guanwang-release-20200313-124233.apk
Vision-Language Models for Vision Tasks: A Survey Vision-Language Models (VLMs)是一种深入学习技术,它可以将图像和文本信息融合在一起,以便更好地理解和处理图像信息。本survey对VLMs的发展进行了系统的总结...
海康VisionMaster使用学习笔记8-OKNG计数方案图像素材
9. **兼容性与互操作性**:GigE Vision规范确保了不同制造商的设备之间具有良好的兼容性和互操作性,降低了用户更换或升级设备的风险。 10. **软件开发工具**:为了支持GigE Vision 2.0,有多种开发库和工具包可供...
- **读写操作**:文档中出现了读取和写入寄存器或内存的命令,如READREG、WRITE REG等,这些都是GigE Vision协议中的常见操作。 6. XML使用 - **XML配置**:由于GigE Vision使用XML配置描述符,文档中可能包含与...
Automation_vision-0.1-py3-none-any.whl.zip
Computer Vision - Linda Shapiro.pdf Computer Vision - Linda Shapiro.pdf Computer Vision - Linda Shapiro.pdf Computer Vision - Linda Shapiro.pdf Computer Vision - Linda Shapiro.pdf
首先,这本书的标题《3D computer vision- Efficient methods and applications-Second Edition》揭示了内容的核心主题是三维计算机视觉技术,并着重于介绍有效率的方法以及这些技术在实际应用中的表现。这意味着...
Computer Vision - ACCV 2014 Workshops-2014-3.pdf
5. **兼容性与向后兼容性**:2.2版本保持对早期版本的兼容性,确保已有的GigE Vision设备能在新环境中继续工作,降低了升级带来的成本。 6. **错误处理与诊断**:增强了错误报告和诊断功能,帮助开发者更快地定位和...
0002_极智AI_解读Vision Mamba 将Mamba引入ViT-个人笔记
Adrian Rosebrock-Deep-Learning-For-Computer-Vision-全三册(Starter,Practitioner,ImageNet bundle)PDF高清-带目录和标签-以及start章节代码.1,2,3三本书从基础到入门提高,很好的资源
Bridging Vision and Language from the Video-to-Text Perspective A Comprehensive Review.pdf
6. 应用案例:可能包括自动驾驶、医疗影像分析、人脸识别、图像搜索引擎等,展示计算机视觉如何在现实世界中发挥作用。 7. 实验与项目:学生可能需要进行实际编程,运用所学知识解决具体问题,如构建自己的图像识别...