什么是技术美术?

前言

技术美术,英文名是Technical Art,简称TA.
说白了就是一群既懂程序又懂美术的人。
至于技术美术是属于程序还是属于美术我们在这里不做过多讨论,要不然会打起来的。。。
反正我认为技术美术就是一名特殊的美术,要不然的话为什么不叫美术技术呢?

职责与技能

我们先来聊一聊TA的职责,然后再来分析下需要什么技能,最后也能清晰的知道该学习什么技能了。
总的来说呢分为四大主要职责:

1.美术与程序间的沟通桥梁
职责: 负责协调沟通美术与程序,甚至策划间的各种问题,类似调和剂或者说是中间翻译者。做的好的会让整个项目在资源输出上如鱼很水,尤其是程序在资源使用上会相当舒心。
为什么这么说呢,大多的程序是不懂美术的,同样大多的美术更是不懂程序的,这样就存在一个问题,当程序需要某个资源的时候,美术不懂得应该怎么出才是最正确的,常规的资源没什么问题,但是一个项目中总是存在各种各样的需求与规范的。
技能: 懂美术,懂程序,懂引擎,否则你沟通不起来。

2.着色器shader
职责: 整个项目的Shader规划,以及利用Shader来提升美术效果,这里包括美术各个模块,角色、场景、特效、后处理等。
有一点要注意的是,着色器和性能消耗有很大的关系,需要把握好这之间的平衡点。
技能: 掌握shader语言,编写符合需求的shader。如果是美术出身的会更喜欢用可视化的Shader工具,比如Shader Forge(已下架),Amplify Shader Editor(个人重点推荐),又或者是Unity2018中的Shader Graph(官方自己的可视化着色器工具)等,也没关系,只要最后再从代码层面优化一遍就好了,因为可视化工具生成的代码含有大量的冗余计算。还有一点,可视化工具目前都会有一些限制,并不能像代码一样灵活,可以随心所欲的制作出任何想要的效果与功能。总之,只会节点拉一拉拖一拖是不行的。

3.插件工具
职责: 主要是围绕美术来制作一些工具,这里一般会有两种情况:
帮助美术提升工作效率,DCC软件中或者引擎中,怎么方便怎么来。
严格控制美术输出的资源,以便符合项目制定的规范。
技能: 能写程序,要求不高,真的要求不高,因为你写的工具又不需打包进游戏,所以不存在性能消耗问题,只要让使用工具的人爽就行了(当然,同时也要满足项目功能的需求)。

4.资源性能优化
职责:负责所有美术资源的性能问题,这个锅一定是你的,一定要保证美术输出的资源符合项目定位的性能标准,这点很重要!
技能:熟悉DCC工具,了解每一类美术资源,以及它们的性能消耗点。会利用性能分析工具进行性能测试。
大致就这么多吧,这是大的分类点,细说的话还会有很多,比如前期美术资源的标准制定啊,资源的配置啊,甚至是UI的排版配置啊等等等等的。。。
总之TA的工作很杂,相当的杂,涉及的范围也是相当的广,这也要求了TA所需要会的技能很多,这也是为什么市面上TA较少的原因之一。

学习线路

先从引擎下手,TA大部分的工作都是基于引擎展开的。市面上关于Unity引擎的教学相当的多,不过我还是建议看官方文档,虽然没有中文。
了解每个美术模块的制作方法流程,以及他们所使用的DCC工具,最常用的就是3dsMax、Photoshop、substance系列、AE、Zbrush。
学习如何制作shader,前期可先通过可视工具来制作,然后同时查看生成的代码来学习。同时一定了解下图形渲染管线的原事,这对于学Shader以及上面说的资源性能优化有非常重要的帮助。

建议在掌握一定基础后,自己尝试做些小游戏,这样可以快速的掌握引擎以及比较全面的功能,这在以后与程序打交道时会有很大益处。最后就是不断学习,不断接收新的知识,不断进步。。。

转职通道

通常情况下没有一开始就是做技术美术岗位的,一般都是由其他岗位转职而来的。
从大的方面来讲分为两种:
程序转技术美术
嗯,似乎很少有程序会这么干,由于程序上升通道很多,本职程序的话也有很多高级职位,图形学方面感兴趣的也有很多适合程序员发展的空间,如果有哪位程序员转技术美术的看到的话可以来聊聊你的神奇想法。
不过话说回来,程序转技术美术还是有不少优势的,待会我们聊到技术美术的职责的时候就可以感受到这一点。
美术转技术美术
比较常见,也是目前技美当中的主要来源。
再细分的话,特效、动作、地编中转职的居多。大部分是在工作过程中和程序的沟通交流较多,结果被带偏了,从而走上了一条不归路。。。
美术转职技美的唯一门槛就是代码!所以想转技美的美术同学耐住性子一定要跨过这道槛。

关于本专栏

之前一直有想写点什么的,可由于平时工作太忙,也不怎么爱写作,所以一直没有写起来,最近看了好多大神们分享的知识,也受益很多,希望自己也能分享些有用的知识,帮到需要帮助的人,也希望能给更多的同学启发,让喜欢并想转职为技术美术的同学少走些弯路,同时也希望能结识到更多的朋友,共同学习共同进步。
所以才开了个专栏,本栏的定位就是Unity方向的技术美术,会不定期的分享与此相关的知识点,我会尽量的以每个模块清晰的从简到难来讲述TA的相关知识,也希望大家多多点赞,让我更有信心的坚持下去。

最后

欢迎大家关注更多干货的公众号: Unity技术美术(ID:gh_8b69cca044dc)
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/48884.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

基于Java+SpringBoot+Vue实现前后端分离美术馆管理系统

博主介绍:✌全网粉丝20W,csdn特邀作者、博客专家、CSDN新星计划导师、java领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和毕业项目实战✌ 🍅文末获取源码联系🍅 👇🏻 精彩专…

基于GTSRB数据集的交通标志识别实验(Tensorflow)

基于GTSRB的交通标志识别实验 一、数据数据读取 二、搭建网络三、模型预测四、附录模块导入Code 结语 一、数据 官网下载太慢,然后我找到了一个整理好的数据集 链接: GTSRB-德国交通标志识别图像数据 . 数据集很干净,直接用就好了,它把所有的…

MOOC TensorFlow入门实操课程代码回顾总结(二)

欢迎来到TensorFlow入门实操课程的学习 MOOC TensorFlow入门实操课程代码回顾总结(一) MOOC TensorFlow入门实操课程代码回顾总结(三) 注: 用于表示python代码粘贴运行结果 目录 5 图像分类基础应用——猫狗分类案例5…

基于jupyter notebook的python编程-----猫狗数据集的阶段分类得到模型精度并进行数据集优化

基于jupyter notebook的python编程-----猫狗数据集的阶段分类并得到模型精度和后续优化 一、名词解释1、什么是overfit(过拟合)?2、什么是数据增强?3、什么是猫狗数据集? 二、猫狗数据集下载1、猫狗数据集下载2、数据集…

【动手撸深度学习】深度挖掘AI的图像分类能力!

欢迎来到动手撸深度学习~ cv君力挺的:最值得看的专栏系列:动手撸深度学习, 学习完本系列,你能从调包侠到一个能独立打比赛的朋友周边的神!文章付费,不想让太多人白嫖!!!因为全部原创,珍很贵 !!今天给大家来分享一下调参技巧,看完你会感谢我的~ 今天第一节 介绍如何…

卷积神经网络的猫狗识别

文章目录 一、准备工作二、猫狗识别2.1、下载数据集2.1.1、 图片分类2.1.2、图片数量统计 2.2、卷积神经网络CNN2.2.1、网络模型搭建2.2.2、图像生成器读取文件中数据2.2.3、训练2.2.4、保存模型2.2.5、结果可视化 2.3、对模型进行调整2.3.1、图像增强方法2.3.2、模型调整2.3.3…

Python基于keras训练简单微笑识别

文章目录 一、数据预处理二、训练模型创建模型训练模型训练结果 三、预测效果 四、源代码pretreatment.pytrain.pypredict.py 一、数据预处理 实验数据来自genki4k 提取含有完整人脸的图片 def init_file():num 0bar tqdm(os.listdir(read_path))for file_name in bar:bar…

猫狗识别与分类

猫狗识别与分类 文章目录 猫狗识别与分类一、前言二、环境配置三、源码以及数据集四、基础猫狗识别程序如下1、train.pytrain.py程序结构: 2、detect.pydetect.py程序结构: 五、配置环境过程1、打开Anaconda Prompta、创建一个叫MNIST4的环境b、创建成功…

基于卷积神经网络(CNN)的猫狗识别

目录 引言 1.什么是卷积神经网络? 1.1什么是神经网络? 1.2什么是卷积? 2.准备工作 2.1一些知识: 2.2keras 2.3Conv2D 2.4 MaxPooling2D 3.基于卷积神经网络的猫狗识别 3.1导入必要库 3.2模型定义 3.3实例化模型并训练…

使用卷积神经网络构建图像分类模型检测肺炎

在本篇文章中,我将概述如何使用卷积神经网络构建可靠的图像分类模型,以便从胸部x光图像中检测肺炎的存在。 肺炎是一种常见的感染,它使肺部的气囊发炎,引起呼吸困难和发烧等症状。尽管肺炎并不难治疗,但及时诊断是至关…

实验3:卷积神经网络图像分类

卷积神经网络图像分类 1 理解卷积神经网络1.1 搭建环境1.2 猫狗分析实例 2 卷积神经网络2.1 网络模型搭建2.2 使用图像生成器读取图片 本次实验将完成以下任务: 按照 python笔记本深度学习,利用TensorFlow和Keras,自己搭建卷积神经网络完成狗猫数据集的分…

Python-猫狗数据集两阶段分类 原始数据直接训练;数据增强后训练

本博客运行环境为Jupyter Notebook-Python3.7。 由于我使用的是Anaconda3配置的jupyter环境,我也将直接在anaconda下搭建keras环境。 博客目录 下载tensorflow、keras下载数据集并重新划分数据预处理训练数据增强 由于我电脑性能不是很好,又是AMD显卡的…

python+基于Jupyter notebook完成卷积神经网络笑脸识别

一、用卷积神经网络实现,做笑脸、非笑脸等表情识别 1.数据集 2.将下载里面的datasets,放到D盘新建的smile中, 1.根据猫狗数据集训练的方法来训练笑脸数据集 1.首先将train_folder文件夹下俩个文件夹内的图片的名字做修改。(修…

使用预先训练网络和特征抽取大力提升图像识别率

神经网络在项目实践中遇到的一大问题是数据不足。任何人工智能项目,在数据不足面前都会巧妇难为无米之炊,算法再精巧,只要数据量不足,最后的效果都不尽如人意,我们目前正在做的图像识别就是如此,要想让网络…

笑脸数据集、口罩数据集划分、训练、测试(jupyter notebook)

一、HOG,Dlib,卷积神经网络介绍 1、HoG ①方法简介 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的描述子。通过计算和统计局部区域的梯度方向直方图来构成特征。Ho…

Deep Learning with Python 系列笔记(三):计算机视觉

计算机视觉的深度学习 我们将深入探讨卷积的原理以及为什么它们在计算机视觉任务中如此成功。但首先,让我们来看看一个非常简单的“convnet”示例,我们将使用我们的convnet来对MNIST数字进行分类。 下面的6行代码展示了基本的convnet是什么样子的。它是…

基于Keras实现Kaggle2013--Dogs vs. Cats12500张猫狗图像的精准分类

【下载数据集】 下载链接–百度网盘 【整理数据集】 将训练数据集分割成训练集、验证集、测试集,目录结构如图所示: 在Pycharm中新建项目,创建split_dataset.pyimport os, shutil# 数据集解压之后的目录 original_dataset_dir = D:\kaggle\dogsvscats\\train # 存放小数据集…

使用tensorflow搭建分类神经网络以及迁移学习(训练过程)

*************************************************** 码字不易,收藏之余,别忘了给我点个赞吧! *************************************************** ---------Start 本文不涉及tensorflow环境配置过程,只讲解整个项目代码…

基于卷积神经网络的图像识别技术从入门到深爱(理论思想与代码实践齐飞)

基于卷积神经网络的图像识别技术从入门到深爱(理论与代码实践齐飞!) 零、前言一、手写数字识别入门神经网络(入门篇)1. 手写数字数据集及神经网络数据概念介绍1.1 手写数字数据集1.2 神经网络数据集1.3 基于tensorflow…

卷积神经网络实现人脸识别微笑检测

一:卷积神经网络介绍: 1. 定义: 卷积神经网络(Convolutional Neural Networks, CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks),是深度学习&a…