熱門Ptt文章

[爆卦]ae物件大小是什麼？優點缺點精華區懶人包

雖然這篇ae物件大小鄉民發文沒有被收入到精華區：在ae物件大小這個話題中，我們另外找到其它相關的精選爆讚文章

在 ae物件大小產品中有3篇Facebook貼文，粉絲數超過3萬的網紅柳廣成，也在其Facebook貼文中提到， Day 6 玩電子遊戲 Day5說過，要為玩電子遊戲一事正名。不過不想文字過於辯論式，於是就講講自己從遊戲身上得到的體驗。 現代玩家在一款遊戲內不見得只會成為享樂的消費者。想遊戲變得更好玩，大可以自己做模組。我也不例外。我專注在遊戲地圖的創作，設計難度略高的關卡。因為Game Master突然不再...

　同時也有1部Youtube影片，追蹤數超過7萬的網紅電腦學習園地，也在其Youtube影片中提到，【加入】支持電腦學習園地 https://www.youtube.com/channel/UCYkWZY6-NlkU6qEkEtK3s0Q/join ✅購買完整課程內容 https://shopee.tw/alyoou ✅請【訂閱】我們的頻道 如果這部影片對你有幫助的話，請幫我按個讚，給我點...

「ae物件大小」的推薦目錄

ae物件大小 在 Lau Kwong Shing(柳廣成) Instagram 的最讚貼文

2021-01-12 09:54:13

Day 6 玩電子遊戲 （文字最下方有介紹此Post每張） Day5說過，要為玩電子遊戲一事正名。不過不想文字過於辯論式，於是就講講自己從遊戲身上得到的體驗。 現代玩家在一款遊戲內不見得只會成為享樂的消費者。想遊戲變得更好玩，大可以自己做模組。我也不例外。我專注在遊戲地圖的創作，設計難度略高的關卡...

  • 柳廣成

    ae物件大小 在 柳廣成 Facebook 的最佳貼文

    2021-01-09 22:54:13
    有 106 人按讚

    Day 6 玩電子遊戲
    Day5說過，要為玩電子遊戲一事正名。不過不想文字過於辯論式，於是就講講自己從遊戲身上得到的體驗。

    現代玩家在一款遊戲內不見得只會成為享樂的消費者。想遊戲變得更好玩，大可以自己做模組。我也不例外。我專注在遊戲地圖的創作，設計難度略高的關卡。因為Game Master突然不再更新遊戲，本來的遊戲關卡已被所有玩家玩爛了。於是開始做地圖給自己玩，後來變成做地圖給大家一起玩。至今也做了100多個。

    為了做遊戲地圖，我需要學習立體軟件。當時下載過什麼AutoCAD、SketchUp，但一打開，發現其介面對於習慣從一張白紙創作起來的我而言，簡直就是極複雜又密集式恐怖的，於是被嚇跑。後來轉用電腦上的另一種白紙 - Excel 做起遊戲地圖來。 因為有天看見有人用excel做了一個過山車的模擬器，感嘆外表看起來如此簡陋的試算表，竟可以發揮如此強大的功能。而且感覺與我過往熟悉的創作方式相似，就是從一張白紙做起，心裡要越過的障礙相對較小，對我而言較可行。

    我用Excel做地圖的方法，基本上就是一句一句地定義物件的幾何形狀、材質、三個維度的大小、顏色、材質(UV Map)密度、立體坐標、旋轉。每句定義一個物件。就像砌積木般，只要打得足夠多字句，就能構造出複雜的地圖全貌。

    還是不明白的話，就讓我舉個例：打六句話，定義出1x5x5的方形，配合適當的旋轉，出現於(±2,0,0)/ (0,±2,0)/ (0,0,±2)的話，就可以砌成厚度1、邊長5的空心方盒。

    想像時會有點吃力嗎？我最初也會。但我情願克服想像方面的困難，也想逃避對於立體軟件的密集介面之恐懼。

    但後來，我卻覺得學習用文字描述立體空間這件事，是很好玩的事。

    我知道用立體軟件很方便，更具效率，編輯的方式亦聰明得多，多數用Mesh的顯示方式，拉出各種各樣形狀，亦能處理不規則形狀。而且，一切對物件的編輯，都瞬時透過營幕顯示於你的眼前。相對而言，2021年還用這麼Raw的方法做地圖，的確笑死人。

    但我追求的不是效率，而是空間想像力的訓練。因為我在Excel編輯的狀態，是純文字。直至把打完的字串放進遊戲載入之後，營幕才會告訴你，這群字串實際代表的立體形狀究竟是長成什麼模樣。在載入之前，我需要先相信腦海裏想像出來的立體形狀。情況就是，每打多一句，腦海裏的立體空間就會浮現多一樣東西。還要記得先前打過的字句，並讓它們暫存在腦海裏的立體空間。通常一個地圖我需要打2000多句，複雜的可達7000多句。因為用這種方法做地圖，很需要暫存記憶力。所以，有時一個數字會記得很久。

    我不介意製作的東西有時看起來像2000年代的3D遊戲，但於我而言，最重要的是腦部鍛練。如此一來，我畫畫時的空間感就可以玩得更多。

    但打字打了兩年，加上最近對自己的自省，認為自己的創作方法一直以來也太Raw。畫畫靠鉛筆，動畫只懂Cel Animation。我的創作是否太過偏向特定時代的方法？有遊戲Developer問過我，究竟是怎麼做地圖？我說Excel。然後營幕的Chatbox就彈出一連串的「looooool」。也讓我想起最初在Rooftop上班，被問題我用什麼軟件做動畫，我說Movie Maker，然後全場黑人問號的景像。

    我知道我不需受外界影響，但上述卻也是我自發的反省。後來，某些國外Game Developer因為看過我做的遊戲地圖，找我一起開發遊戲。他還給我時間學好軟件。我覺得「是時候了」，是時候面對軟件介面的密集恐懼症，是時候學好新媒體藝術。還逼自己接需要用AE才能做的影片工作，即使還沒學好。暫時也未知這些新媒體的東西如何與我自身創作出現緊密聯繫，但我真的想學了再說。而且遊戲製作要懂很多，數學、物理、計算機語言、設計、不同軟件等等。這些都是我很陌生但又感興趣的東西，我想學。

    而且，用畫畫以外的方法做動畫，也是我沒試過的事。於是最近學起Blender來。
    （現在其實正在同步學習CSP、Unity、Blender、AE、Adobe Animate等）

    想繼續看我畫畫的人可以放心，因為畫畫暫時還是我的習慣。

    這就是遊戲帶給我的思考。以前害怕說出來會被批評玩遊戲不務正業什麼的，現在不同，感覺終於能說出口。

    文末，想推薦一款遊戲：Florence。
    這款遊戲需時很短，可以試試看。它是一款很漫畫的遊戲，很重視Narration的方法，是Rusty Lake的Developer介紹給我玩的。

    #onionghost #onionghosthk #動畫 #動畫推薦 #插畫 #illustration #animation #illustrationartists #animator #happynewyear #newyear #drawing #art #artist #pencil #comic #manga #bd #bandedessinee #柳廣成

  • 迪鹿 - DeluCat

    ae物件大小 在 迪鹿 - DeluCat Facebook 的最讚貼文

    2020-08-19 19:00:03
    有 460 人按讚

    【血腥畫家🔪罪證套組】
    剛剛才發現原來我沒把這項上架蝦皮 (;ﾟдﾟ)
    「故事劇情內物件實體化，還原劇情原貌，童年日記揭開血腥畫家不為人知的控制狂家庭。」
    ►蝦皮網路購買→ https://shopee.tw/%E8%A1%80%E8%85%A5%E7%95%AB%E5%AE%B6BloodyPainter%E2%98%BB%E7%BD%AA%E8%AD%89%E5%A5%97%E7%B5%84-(%E8%BF%AA%E9%B9%BFDeluCat%E5%8E%9F%E5%89%B5)-i.4732992.3159580791
    套組內容物：
    證物袋造型A4自封袋、
    血腥畫家的童年日記2本《海倫歐帝斯的美好童年》+《真實日記》、
    通緝令海報-雙面中/英文1張、
    兇手給艾爾默醫生的手信-單面中/英文各1張、
    BP造型立體封蠟貼、
    笑臉徽章直徑3cm、
    拍立得造型A6大小明信片共4款、
    故事內事件新聞-雙面中英文共3張。
    售價：500台幣 (一套)
    ============
    角色介紹....
    【血腥畫家Bloody Painter】
    被分類在Creepypasta項目條列的虛擬殺人魔角色。此角色於2013年被創造出來。
    角色介紹片：https://youtu.be/AaHgY62-ggI?list=PL_8-vvWp5adpIOjx6LIddrkedWlKabbzK

  • 鄭龜煮碗麵

    ae物件大小 在 鄭龜煮碗麵 Facebook 的最讚貼文

    2019-03-25 11:40:38
    有 75 人按讚

    人工智慧時代，一個自我實現的預言 （中）

    上回我們講到現在的人工智慧，最重要的價值就是越來越能提供廉價且準確的「預測」。在《AI經濟的策略思維》一書中，作者強調：預測就是情報，是以已經掌握的資訊，來創造還未掌握的資訊，填補缺失的環節，而這就是人類智慧的關鍵。

    想像一下，你現在回到幾十萬年前，成為智人的老祖宗，你一個人直立行走在草叢中，突然看見不遠處有一叢草枝擺的幅度比較大，在這一瞬間，你馬上判斷這搖擺的方式不是風吹，而是動物在動，甚至還判斷出動物的大小跟可能是什麼動物，於是要嘛你拔腿就跑，要嘛找尋周遭有無石頭好防身，代表你已經藉由察覺環境中出現的模式，推斷出草叢後可能的危險。

    但要是你這位老祖宗看到這樣的情形，卻待在原地思考要用什麼科學方法來調查草叢搖擺的原因，甚至滿懷好奇心地撥開草叢，想直接目睹，你極有可能成了猛獸的餐點，沒機會把你那充滿好奇的基因跟思維方式傳下來。

    雖然這樣的預測其實就是腦補，而且我們都知道到了現在，我們這種腦補的 #捷思 已經成了一個大問題，讓我們很容易被有心人刻意產出、安排的資訊陷阱（例如假新聞）給矇騙，但我們還是得感謝我們的老祖宗愛腦補，不然也輪不到我們現在擔心這些問題，早就被淘汰了。

    在機器學習出現之前，我們主要是用統計方法中的多變數迴歸分析 (multivariate regression) 來有效率地降低預測錯誤。這種方式可以在數據比較少，而且可以判斷 #大概是哪些條件對預測有幫助 的時候。

    什麼是迴歸分析：
    https://zh.wikipedia.org/wiki/%E8%BF%B4%E6%AD%B8%E5%88%86%E6%9E%90

    多元線性回歸分析預測法
    https://wiki.mbalib.com/zh-tw/%E5%A4%9A%E5%85%83%E7%BA%BF%E6%80%A7%E5%9B%9E%E5%BD%92%E5%88%86%E6%9E%90%E9%A2%84%E6%B5%8B%E6%B3%95

    例如，假設我們要預測一家電信公司的 #顧客流失率，你覺得要注意哪些條件呢？一個最主要的觀察重點，就是用戶用 #手機上網的時間跟消耗的流量，畢竟如果他們都沒在用，就可能會把帳戶停了。

    但機器學習就不是這樣子，不需要跟迴歸分析一樣，先確定條件，而是讓機器自己從大量資料中辨識出特徵或模式，例如同樣要預估電信公司的顧客流失率，你就可以建立模型，然後把每分鐘的通話、簡訊或上網紀錄、帳單金額、準時付款與否、甚至每天數百萬使用者的地點等各種資料都交給人工智慧去學習、並找出模式。變數可能有好幾千個。

    例如你可能會發現，在每個月前幾天就花很多時間講電話的顧客，比起帳單金額高，但都在每個月最後幾天講電話的人，比較不會流失。或是在每天 9-17 點常用電話的人，比起少用電話的人，更容易流失。這些都很難一開始就預測到，但機器學習可以透過 #資料探勘 (Data mining)，找到從我們眼角溜過的那些蛛絲馬跡。

    有了好的預測，會大大的影響決策。就像上篇中的一張圖表示的。舉例來說，棒球教練會根據對方打者的擊球模式、過往的打擊數據（也就是 #輸入）判斷這個打者可能會打出安打，或是內野滾地球被接殺，這就是 #預測。

    接著教練得做出怎麼安排野手的守備位置比較好的 #判斷。

    如果往外野退，但打者打出內野犧牲打、讓隊友盜壘怎麼辦，如果往內野縮，那就可能會讓外野安打失分更多，又該怎麼辦？權衡之後，教練就得發出指令，這就是 #行動。

    接著就是看打者到底會被三振、還是擊出安打、還是被接殺...最後的結果也將以 #數據化的形式，成為訓練預測跟判斷的 #資料。

    同樣的，醫生會根據我們的症狀找出模式，來對症下藥。股市交易員會針對指數的升降，找出模式，然後加以預判，看是要買進或賣出。

    我們也會根據走路姿態，甚至腳步聲，認出從走廊走過來的是誰，決定要不要跳出來嚇她（誤）或跟咬著吐司與她互撞來交換靈魂（無誤）。

    我們人類所做的事情都跟預測有關，但也都不只是預測，因此各位可以想想，如何「拆解」一件事情，變成很多個細節小任務，然後去想：這許多小任務中，有哪些其實就是在「預測」？那麼，如果要讓人工智慧來代替這個預測的環節，我們需要哪些資料來訓練呢？

    相較於人類的預測，機器的預測可以規模化，每次預測的單位成本會越來越低，而且速度將漸漸比人類更快、更好。這是很有競爭力的一點。但有兩個挑戰：

    第一：就目前以及可預見的近未來來看，人類的認知模式還是比人工智慧更能了解真實世界的運作，我們的感官跟大腦讓我們能夠用很少量的數據就做出預測。所以，在非典型事件、資料量較少的情況下，人類預測的正確率還是遠超過機器預測的。

    第二：雖然預測的成本低了，但判斷跟行動的代價還是很高，這時候最好的方式就是結合人類跟機器。並且讓機器去學習「#人類在這種情況下會怎麼做？」

    舉例來說，現在 Google 等公司提供的翻譯就是一種預測，他們透過深度學習，對一篇英文文章提出機器所能得出的中文版本，通常會提出好幾個版本讓我們去挑選，我們可以省下一個字一個字自己去全文翻譯，或是請人翻譯。

    如果機器預測的品質，也就是翻譯的結果太差，我們就會放棄。但如果品質不錯，我們挑了一個版本之後，可以自己簡單調整修飾，看是要改成口語一點還是嚴謹一點，就可以省下不少時間。透過人與機器的搭配，決策跟行動都可以更有效率。

    自駕車也是一樣。除了讓電腦不斷提升辨識路況、號誌、各種物件、各類訊號的精準度以外，先當個副駕駛，學會人到底是怎麼開車的、在不同的情況下會怎麼做，其實更是關鍵。

    在我想好下篇該寫什麼之前，大家不妨可以分享一下你的看法：你在日常生活中已經感受到哪些「預測平價化」帶來的改變呢？

    上集請見：

    Medium https://medium.com/%E9%84%AD%E9%BE%9C%E7%85%AE%E7%A2%97%E9%BA%B5/%E4%BA%BA%E5%B7%A5%E6%99%BA%E6%85%A7%E6%99%82%E4%BB%A3-%E4%B8%80%E5%80%8B%E8%87%AA%E6%88%91%E5%AF%A6%E7%8F%BE%E7%9A%84%E9%A0%90%E8%A8%80-%E4%B8%8A-f7f344e8be0

    FB:
    https://www.facebook.com/noodleswithturtle/posts/570211210140916

    再推薦一次好書：

    《AI經濟的策略思維》
    https://www.books.com.tw/products/0010803316

    想上我跟洪智傑老師開的的 AI 入門課，請到這裡：

    https://panschool.asia/product/人工智慧必修課

你可能也想看看

搜尋相關網站