このトピックでは、ML デフォーマが変形されたオブジェクトから別のオブジェクトへのデフォメーション アニメーションをシミュレートする別の例を示します。デフォーマ アトリビュート ウィジェット(デフォーマ スタック)を使用して ML デフォーマを作成することもできます。これは、リグが既に設定されていて、デフォメーション ターゲット メッシュの転送作業が回避される場合に便利です。「ML デフォーマを作成する」を参照してください。
このプロセスを説明するため、このシーンには 2 つのメッシュ、すなわち静的メッシュ(ディスク 1)と、クラスタ デフォーマを持つメッシュ(ディスク 2)があります。ディスク 2 のアニメーションを含む ML デフォーマをトレーニングして、ディスク 1 で使用できるようにします。ディスク 2 はターゲット デフォメーションで、ML デフォーマがシミュレートする目標を示します。
ディスク 1 は静的メッシュ(ディスク 1)で、(ディスク 2)はクラスタ デフォーマです。
コンテンツ ブラウザでの ML デフォーマ アニメーションのサンプル
ML デフォーマをジオメトリに追加するには
- デフォメーションを受け取るオブジェクトを選択します。この例ではディスク 1 です。
- アニメーション(F4)、リギング(F3)、またはモデリング(F2)メニュー セットでデフォーム(Deform) > ML デフォーマ(ML Deformer)を選択して、ML デフォーマ(ML Deformer)をディスク 1 に追加します。
- アトリビュート エディタ(Attribute Editor)の ML デフォーマ(ML Deformer)タブを開き、タブを固定します。
- デフォメーションを適用したジオメトリ(ディスク 2)を選択し、アトリビュート エディタ(Attribute Editor)で、ML デフォーマ(ML Deformer)テーブルのターゲット ジオメトリ(Target Geometry)列を右クリックして、ターゲットを選択項目に置き換え(Replace Target with Selected)を選択します。
- アトリビュート エディタ(Attribute Editor)のコントロール コレクタ(Control Collector)タブに切り替え、コントロールの追加(Add Controls)テーブルを展開します。
- ターゲットとしてディスク 2 を選択し、アトリビュート エディタ(Attribute Editor)のコントロールの追加(Add Controls)リストのスカラー(Scalars)タブでデフォメーションをコントロールするアトリビュートを選択します。(行列(Matrices)タブは、ディープ ジョイント階層がある場合に使用します。「ML デフォーマ コントロール コレクタ アトリビュート」トピックの「行列(Matrices)」タブのセクションを参照してください)。
[Ctrl]または[Shift]キーを押しながら複数のアトリビュートまたはすべてのアトリビュートをクリックして選択し、リストの右上にある追加(Add) (
)ボタンをクリックします。この例では、アニメーションは Y 軸上にのみ存在するため、移動 Y (translate Y)アトリビュートのみを選択します。
注: 右クリックして、選択項目の追加(Add Selected)またはすべて追加(Add All)を選択することもできます。アトリビュートは、コントロールの追加(Add Controls)リストの下にある接続されたコントロール(Connected Controls)リストに追加されます。
- デフォメーションのトレーニングに使用する最小(Min)と最大(Max)の値を設定します。この例では、最小(Min)と最大(Max)の値は -50 と 50 に設定されています。この例では、これがシミュレートしたいアニメーションの表現として適しているためです。
ヒント: アトリビュート エディタ(Attribute Editor)ウィンドウを展開して、最小(Min)列および最大(Max)列を表示しなければならない場合があります。
- ターゲット ジオメトリ(ディスク 2)を選択します。アトリビュート エディタ(Attribute Editor)の ML デフォーマ(ML Deformer)タブで、トレーニング データを書き出し...(Export Training Data...)
をクリックしてトレーニング データを書き出し(Export Training Data)ウィンドウを開き、ML デフォーマで使用するターゲット ジオメトリのアニメーションを設定できます。(ML モデル(ML Model)列を右クリックして、ML デフォーマ(ML Deformer)アトリビュートのトピックにある ML モデル(ML Model)コンテキスト メニューでトレーニング データを書き出し...(Export Training Data...)を選択することもできます)。
- トレーニング データを書き出し(Export Training Data)ウィンドウで、次のパラメータを設定します。
- トレーニング データの場所(Training Data Location): トレーニング データを保存する場所を参照し、そのフォルダを作成します。
- 開始/終了フレームの書き出し(Export Start/End Frame): ターゲット ジオメトリのデフォメーションからキャプチャするフレームの範囲を設定します。
- トレーニング データ名(Training Data Name): データの名前を選択します。
- 書き出し(Export)をクリックします。ターゲット オブジェクト(ディスク 2)のアニメーションがトレーニング データとして書き出されます。
このウィンドウの各設定の詳細については、「ML デフォーマ(ML Deformer)のトレーニング データを書き出し(Export Training Data)ウィンドウ」を参照してください。
- アトリビュート エディタ(Attribute Editor)の ML デフォーマ(ML Deformer)タブで、モデルをトレーニング...(Train Model...)
をクリックしてML デフォーマのトレーニング(Training ML Deformer)ウィンドウを開きます。トレーニング データの場所(Training Data Location)フィールドには、トレーニング データとモデルが保存されている場所が表示されます。
ML デフォーマ アトリビュート(ML Deformer Attributes)リストの ML モデル(ML Model)セルを右クリックして、モデルをトレーニング...(Train Model...)を選択することもできます。このウィンドウの各設定の詳細については、「MLデフォーマのトレーニング設定」を参照してください。
- ML デフォーマのトレーニング(Training ML Deformer)ウィンドウで、次のように設定します。
- 出力 ML モデル名(Output ML Model Name): トレーニング済みモデルの名前を選択します。
- データをプリロード(Preload Data)をアクティブ化: トレーニングを高速化します(メモリ使用量が増えます)。
- トレーニング(Train)をクリックします。
2 つの Python ウィンドウが表示されます。ML デフォーマ ジョブ モニター
では、この ML トレーニングや他の ML トレーニングの進行状況を追跡できます。Python ウィンドウに「[ML デフォーマ] トレーニングが完了しました」というメッセージが表示されたら、トレーニングは終了しています。
重要: トレーニング(Train)をクリックすると、外部 Python モジュールをダウンロードしてインストールするよう求めるプロンプトが表示されることがあります。既定では、追加モジュールのインストール パスは <MAYA_APP_DIR>/mlDeformer/<ml_deformer_version>/Lib/site-packages です。これらのモジュールを手動でダウンロードするか、カスタムの場所にインストールする必要がある場合は、「Python ライブラリをインストールして ML デフォーマをトレーニングする」を参照してください。
- ML デフォーマのアトリビュート エディタ(Attribute Editor)タブで、ML デフォーマ(ML Deformer)テーブルの ML モデル(ML Model)セルを右クリックし、モデルを選択(Select Model) > <モデル>を選択します。
- ML デフォーマ(ML Deformer)タブの有効(Enabled)をオンにして、ML デフォーマによって学習されたデフォメーションを適用するようにします。
他のデフォーマと同様に、エンベロープ(Envelope)設定を調整して、ML デフォメーションのエフェクトを減らすことができます。