新闻详情

新闻详情

首页 / 资讯中心 / 详情

给 Blockbench 模型 3 步加上 PBR 材质:新手完整实战教程

发布时间:2026/11/16 20:59:14来源:尧图网络
给 Blockbench 模型 3 步加上 PBR 材质:新手完整实战教程
给 Blockbench 模型 3 步加上 PBR 材质新手完整实战教程【免费下载链接】blockbenchBlockbench - A low poly 3D model editor项目地址: https://gitcode.com/GitHub_Trending/bl/blockbench你在 Blockbench 里做了一个低多边形宝箱模型却显得很平怎么打光都不像金属。问题在于它缺一套 PBR 材质。本文带你走基础颜色、MER 通道、材质组三个环节做完后模型会带上高光和哑光两种质感。先看效果上图是 Blockbench 的主窗口左侧是纹理编辑器中间是低多边形模型右侧是大纲列表。示例中的卡车已经贴了基础颜色纹理跟完本文后它的金属部件会出现反射木质部件则会变成哑光。上手前必须知道的三件事四个参数决定了模型看起来是什么基础颜色Albedo模型的基本颜色。金属度Metalness表面像不像金属。粗糙度Roughness表面光滑程度与反射清晰度。法线贴图Normal Map用颜色模拟凹凸。动手给你的模型加上第一套 PBR 材质纹理编辑器与基础颜色打开 UV 模式进入纹理编辑器新建一张 64×64 画布模型较大时用 128×128。然后分区绘制基础颜色箱体木色用中棕色金属件用深灰色。低多边形风格两三个色块就够不必追求细节。你应该看到画布上每涂一笔3D 视图对应区域的颜色实时更新。避坑提示画布尺寸不要用 100×100 这类非 2 的幂值部分导出格式无法读取一开始就选 64 或 128。MER 通道合并金属度、自发光、粗糙度都是灰度值但不必存成三张贴图Blockbench 把它们合并进一张 MER 贴图R 通道存金属度G 通道存自发光B 通道存粗糙度拆分逻辑见 texture_groups.js。如果你不用自发光把 G 通道整张填成纯黑0,0,0。这样生成的自发光贴图全为黑色模型不会多出一圈光晕。你应该看到在材质视图里MER 贴图 R 通道画成 255 纯白的区域出现明显反射B 通道越暗的区域越亮。避坑提示MER 画布整张填成同一灰色金属和非金属就分不开了。材质组创建与参数配置在纹理面板新建一个纹理组并打开材质开关它的结构定义在 texture_group.d.tsis_material 属性让它按材质生效。命名为“铁箱”之类的具体名字再分配贴图通道基础颜色贴图给颜色通道MER 贴图给 MER 通道。接着把参数设成具体值金属度 1.0自发光 0粗糙度 0.3环境光强度 0.8。如果还没切到材质视图从 View 菜单切换最后确认应用。你应该看到材质视图里金属部件出现清晰高光木质部件变成哑光两种表面分明。避坑提示参数改完不点确认材质不会刷新容易误以为参数没生效。参数速查参数含义推荐值说明基础颜色模型基本颜色贴图64×64 或 128×128 像素画什么颜色模型就是什么颜色低多边形贴图保持简洁金属度R 通道表面是否金属1.0255 纯白为全金属0 纯黑为非金属128 中灰为半金属粗糙度B 通道表面光滑程度0.30 纯黑呈镜面255 纯白完全哑光0.3 对应约 77 的灰度自发光G 通道模型是否发光0不用自发光时 G 通道保持纯黑 0,0,0环境光强度预览环境光亮度0.8设在 0.5 到 0.8 之间再高会整体过曝遇到问题时材质过亮高光发白 — 环境光强度过高或 MER 的 G 通道混入了白色 — 把环境光降到 0.5~0.8G 通道填回纯黑。金属件完全没有反射 — R 通道画错或 MER 贴图没分配到材质组的 MER 通道 — 用 255 纯白重涂金属件并检查纹理组的通道分配。改了粗糙度看不出变化 — B 通道数据全是同一个灰值或参数没有确认 — 确认 B 通道有灰度层次改完参数后点确认。下一步可以做什么导出格式按用途选网页和 Three.js 用 GLB与其他工具交换用 OBJ MTL游戏引擎用 FBX。导出前勾选 PBR 纹理导出选项并校验 UV 映射否则材质位置会错位。进阶方向可以试法线贴图不增加多边形就给表面加细节。三步做完你已经完成第一套 PBR 材质预览窗口里呈现的就是它这组参数也可以直接复用到玩家模型或方块上。今天就先给一个立方体画一张 64×64 的基础颜色贴图再合并一张 MER 贴图看看材质视图里会不会出现金属感。【免费下载链接】blockbenchBlockbench - A low poly 3D model editor项目地址: https://gitcode.com/GitHub_Trending/bl/blockbench创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉