【UE5.1】套用小白人蓝图,让玩家控制MetaHuman移动

效果

步骤

1. 新建一个工程,创建Basic关卡,添加第三人称游戏资源到内容浏览器

2. 打开Quixel Bridge

选择高质量,然后添加创建好的MetaHuman到内容浏览器

启用所有缺失

立即重启

添加完毕后内容浏览器会多出“MetaGumans”文件夹(其它三个文件夹是第三人称游戏的文件夹)

3. 打开IK重定向器“RTG_metahuman”

源IKRig资产选择“IK_Mannequin”,目标预览网格体根据MetaHuman性别来选择,这里为男性因此设置为“m_med_nrw_body_preview”

设置所有骨骼为网格体参考姿势

找一个动画播放检查是否有问题

4. 打开数字人蓝图“BP_Rowan”

可以看到一些报错消息

将报错的节点全部替换为节点“获取Skeletal Mesh Asset”

此时编译就没有报错了

由于设置了LOD,因此模型精度会根据视角远近改变,可以设置强制的LOD为0来保持模型一直处于最高精度

选中“Hair”组件,在细节面板中勾选“Use Cards”可以减少头发对显卡的性能消耗

5. 复制一份“MetaHuman”蓝图,这里命名为“BP_Rowan1”

打开“BP_Rowan1”,在类设置中设置父类为“BP_ThirdPersonCharacter”

将Body移动到“网格体”层级下

重置位置和旋转

找到变量“UseLiveRetargetMode”,设置默认值为True

如果MetaHuman为男性,需要选中“网格体”组件,设置骨骼网格体资产为“SKM_Manny_Simple”,动画类设置为“ABP_Manny”

取消勾选可视,设置基于动画Tick的可视性选项为“固定tick姿势和刷新骨骼”

6. 将“BP_Rowan1”拖入场景中(F键快速拉近视角)

自动控制玩家设为玩家0

此时运行游戏在UE5.0中就已经可以控制角色移动了,但是在UE5.1中还不行,这是因为UE5.1废弃了之前使用的输入系统,改用了增强输入系统,因此还需添加增强输入系统才控制角色运动。

7. 打开第三人称角色蓝图“BP_ThirdPersonCharacter”

拷贝事件图表中的所有节点

粘贴到“BP_Rowan1”中

删除如下节点

将事件图表中如下两个本身自带的节点连接上

编译保存后,此时运行游戏发现就可以控制MetaHuman移动了

参考视频:

https://www.bilibili.com/video/BV1bM411b7oq/?buvid=XX465EE45F69F54D465C8D880205C5A650DE8&is_story_h5=false&mid=ikR2W9kUl6Rse0nS5XC22g%3D%3D&plat_id=147&share_from=ugc&share_medium=android&share_plat=android&share_session_id=d22d8fde-2572-4c22-9fb4-d439615f16c6&share_source=COPY&share_tag=s_i&timestamp=1679470917&unique_k=3OYD0BF&up_id=678930400&vd_source=36a3e35639c44bb339f59760641390a8

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:/a/245471.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

字符处理 C语言xdoj52

问题描述 从键盘输入一个字符,若为小写字母,则输出其对应的大写字母;若为大写字母,则输出对应的小写字母;其他字符原样输出。 输入说明 输入一个字符 输出说明 输出一个字符 输入样例 样例1输入 a 样例…

再回首感知损失在low-level上的应用

《Perceptual Losses for Real-Time Style Transfer and Super-Resolution》是李飞飞团队在2016年发表于ECCV的文章。我近几年的工作中,所训练的模型都离不开感知损失。不得不感慨,大佬之所以是大佬,就是因为他们开创性的工作很多年后依然为人…

生成树基本实验

背景 某公司的二层交换网络中,为了提高网络可靠性,故在二层交换网络中增加冗余链路。为了阻 止冗余链路可能带来的广播风暴,MAC地址漂移等负面影响,需要在交换机之间部署生成树 协议。 实验 一.配置stp en 开启 stp en stp …

2021实战面试

1、Rem , em , px , % , vw 之间的区别 PX: px像素(Pixel)。相对长度单位。像素px是相对于显示器屏幕分辨率而言的。 em: 1,子元素字体大小的em是相对于父元素字体大小 2,元素的width/height/padding/margin用em的话是相对于该元素的font-size rem:1rem是…

计算机毕业设计 SpringBoot的供应商管理系统 Javaweb项目 Java实战项目 前后端分离 文档报告 代码讲解 安装调试

🍊作者:计算机编程-吉哥 🍊简介:专业从事JavaWeb程序开发,微信小程序开发,定制化项目、 源码、代码讲解、文档撰写、ppt制作。做自己喜欢的事,生活就是快乐的。 🍊心愿:点…

Kafka-集群架构设计

Kafka的Zookeeper元数据梳理 zookeeper整体数据 Kafka将状态信息保存在Zookeeper中,这些状态信息记录了每个Kafka的Broker服务与另外的Broker服务 有什么不同。通过这些差异化的功能,共同体现出集群化的业务能力。这些数据,需要在集群中各个…

道路清障车行业分析:中国市场发展趋势研究

清障车全名为道路清障车,又称拖车、道路救援车、拖拽车,具有起吊、拽拉和托举牵引等多项功能,清障车主要用于道路故障车辆,城市违章车辆及抢险救援等。清障车按类别主要分为:拖吊连体型、拖吊分离型,一拖一…

leetcode---904. 水果成篮 -- 【滑动窗口/c++】

原题:904. 水果成篮 - 力扣(LeetCode) 题目解析: 本题中的fruit数组中的元素表示的是数的种类。如示例1,fruit【1,2,1】就表示下标0处有1号类型的树,下标1处有2号类型的树,下标2处有1号类型的…

智能优化算法应用:基于狮群算法3D无线传感器网络(WSN)覆盖优化 - 附代码

智能优化算法应用:基于狮群算法3D无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用:基于狮群算法3D无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.狮群算法4.实验参数设定5.算法结果6.参考文献7.MA…

TSINGSEE青犀基于EasyCVR与AI技术的高校实验室视频可视化监管方案

一、行业背景 实验室作为科研、教学过程中的一个重要场所,其管理也十分至关重要。尤其是高校实验室安全问题,教育部《高等学校实验室安全规范》中说明,需要进一步加强高校实验室的安全管理工作,实现规范化、常态化的管理体制&…

C++ Qt开发:如何使用信号与槽

在Qt中,信号与槽(Signal and Slot)是一种用于对象之间通信的机制。是Qt框架引以为傲的一项机制,它带来了许多优势,使得Qt成为一个强大且灵活的开发框架之一。信号与槽的关联通过QObject::connect函数完成。这样的机制使…

【Linux】:线程(二)互斥

互斥与同步 一.线程的局部存储二.线程的分离三.互斥1.一些概念2.上锁3.锁的原理4.死锁 一.线程的局部存储 例子 可以看到全局变量是所有线程共享的,如果我们想要每个线程都单独访问g_val怎么办呢?其实我们可以在它前面加上__thread修饰。 这就相当于把g…

leetcode -- 209 长度最小的子数组[滑动窗口/c++]

原题链接:209. 长度最小的子数组 - 力扣(LeetCode) 算法原理: 滑动窗口其实就是同向双指针,因为计算结果的单调性,在符合条件的情况下,左右指针不必往回回溯,而实现优化的效果。 滑…

Python type函数:动态创建类

之前学习过使用 type() 函数可以查看变量的类型&#xff0c;但如果想使用 type() 直接查看某个类的类型呢&#xff1f;看如下程序&#xff1a; class Role:pass r Role() # 查看变量r的类型 print(type(r)) # <class __main__.Role> # 查看Role类本身的类型 print(type(…

SpringBoot之数组,集合,日期参数的详细解析

1.4 数组集合参数 数组集合参数的使用场景&#xff1a;在HTML的表单中&#xff0c;有一个表单项是支持多选的(复选框)&#xff0c;可以提交选择的多个值。 多个值是怎么提交的呢&#xff1f;其实多个值也是一个一个的提交。 后端程序接收上述多个值的方式有两种&#xff1a; 数…

打造绿色计算数智动力 HashData 入选“绿色计算最具价值解决方案”

12月13日-14日&#xff0c;由绿色计算产业联盟(GCC)、边缘计算产业联盟&#xff08;ECC&#xff09;联合举办“2023计算产业生态大会”&#xff08;CIEC 2023&#xff09;在北京举行。作为计算领域的权威会议&#xff0c;本次大会邀请了多位两院院士、众多产业专家&#xff0c;…

Python自动化测试系列[v1.0.0][多种数据驱动实现附源码]

前情提要 请确保已经熟练掌握元素定位的常用方法及基本支持&#xff0c;请参考Python自动化测试系列[v1.0.0][元素定位] 数据驱动测试是自动化测试中一种重要的设计模式&#xff0c;这种设计模式可以将测试数据和测试代码分开&#xff0c;实现数据与代码解耦&#xff0c;与此同…

C++随记

#include<bits/stdc.h> using namespace std; int main() { char* p "C Language"; cout<<p<<\n; cout<<p1<<\n; cout<<*p<<\n; cout<<*(p2)<<\n; } 随记 C Language Language C L 输出结果是p会输入整个字符…

【一秒梵高】基于OpenCV4实现图像九种风格迁移

风格迁移 图像风格迁移、色彩填充与色彩变换等&#xff0c;严格意义上来说都属于计算机视觉任务中图像处理的分支。它们输入的是图像&#xff0c;输出的也是图像&#xff0c;过程实现图像到图像的内容与风格的转换&#xff0c;深度学习在这类图像处理任务上也取得了良好的效果…

吴恩达深度学习L2W3作业

欢迎来到本周的编程作业。 到目前为止&#xff0c;你一直使用numpy来构建神经网络。现在&#xff0c;我们将引导你使用深度学习框架&#xff0c;该框架将使你可以更轻松地构建神经网络。TensorFlow&#xff0c;PaddlePaddle&#xff0c;Torch&#xff0c;Caffe&#xff0c;Kera…