나무와 관목과 같은 복잡한 식물 애셋을 렌더링하는 것은 어려울 수 있습니다. 삼각형 축소기 또는 리메셔와(과) 같은 기존 최적화 방법도 이러한 유형의 애셋에 어려움을 겪는 경우가 많습니다. 삼각형 축소는 잎사귀들이 일반적으로 연결성이 낮기 때문에 식물이 드문드문하게 보일 수 있습니다. 반면에 리메싱은 지나치게 풍성한 잎새로 표현되는데, 이것 역시 이상적이지 않습니다.
이러한 문제를 해결하기 위해 당사는 잎새 표현을 위한 빌보드 클라우드을(를) 개발했습니다. 이 도구는 최적화 후 깊이와 볼륨을 보존하는 뷰 독립적인 임포스터를 만들어 모든 각도에서 높은 시각적 품질을 보장합니다. 복잡한 기하학을 일련의 빌보드로 단순화하고 재질은 재질 베이킹을(를) 통해 효율적으로 적용됩니다.
이 도구에는 삼각형 축소에 더 적합한 나무의 줄기 및 기타 연결된 부분을 식별하는 줄기 감지 기능도 포함되어 있습니다. 연결 데이터를 분석하거나 재료 목록을 기반으로 줄기를 자동으로 감지합니다. 최종적으로 최적화된 애셋에는 베이킹된 재질의 빌보드와 원본 재질의 삼각형 축소를 사용하여 고도화된 줄기 모델이 포함됩니다.
식물 최적화 도구는 용도가 다양하며 처리 능력이 제한적인 플랫폼에서 기존에 있던 식물의 LOD(디테일 레벨)을 생성하거나 최고 레벨의 충실도(LOD0)를 새로 생성하는 데 적합합니다. 잎새 클러스터의 HLOD 메시를 생성하여 최적화된 단일 HLOD 메시로 간소화할 수도 있습니다. 또한 빌보드 클라우드 식물을 사용하여 가까운 거리에서도 그림자 렌더링을 최적화할 수 있습니다.
오버드로우를 줄이고 투명 픽셀을 최소화하기 위해 도구에서 빽빽한 임포스터을(를) 생성할 수 있습니다. 재질의 알파 채널을 사용하여 애셋의 윤곽을 밀접하게 따르는 임포스터를 만들어 비용이 많이 드는 투명 재질의 필요성을 줄이고 오버드로우를 낮춥니다.
빌보드의 밀도와 복잡성을 조정하여 시각적 품질과 성능의 균형을 맞춥니다. 베이킹된 빌보드 질감의 해상도를 사용자 지정하고 베이킹할 재질 채널을 선택할 수도 있습니다.
식물용 빌보드 클라우드는 다른 Simplygon 기능과 원활하게 통합되어 적용 가능성을 더욱 향상시킵니다.
- 컴퓨트 캐스팅와(과) 함께 사용하여 셰이더가 복잡한 식물 애셋의 프록시를 효율적으로 생성할 수 있습니다.
- 초기 LOD에는 삼각형 축소기을(를) 사용하는 하이브리드 LOD 체인을 사용하고 낮은 충실도 레벨에는 빌보드 클라우드를 사용하여 가까운 곳에 있는 식물의 디테일을 높은 레벨로 유지합니다.
당사는 더 높은 그래픽 품질에 대한 증가하는 요구를 충족시키기 위해 전 세계 개발자와 협력하여 알고리즘을 지속적으로 개선하고 있습니다. 게임에서 식물을 최적화하는 방법을 평가하는 데 관심이 있으시면 평가를 위해 당사에 문의하세요.