当前位置:网站首页>ue4学习日记4(植被,光照,光束遮挡,天空球)
ue4学习日记4(植被,光照,光束遮挡,天空球)
2022-08-03 05:25:00 【我的巨剑能轻松搅动潮汐】
目录
植被
种植植被
density /1kuu:种植密度
scale X:生成的大小在[最小,最大]区间
植被垂直向上
勾选:垂直向上
不勾选:垂直地形向上
消失距离
与目标植被 距离2000uu 将会看不见。
删除植被
上:单个选中
下:套索选中
delete:删除
植被加碰撞
也要检查该植被的碰撞设置。线框模型。
光照
关闭自动曝光
UE5是编辑-》项目设置-》引擎-渲染-》自动曝光
雾气效果
指数级高度雾
光亮
光束遮挡
(待补充)
光束泛光:
↓
(太阳变模糊)
体积雾
![]()
天空球
调整白天黑夜
(1)照下,变亮
(2)照上,边暗
![]()
上面调整完要点一次刷新
(1)太阳亮度
(2)云飘动速度
(3)云的透明度
(4)星星亮度
白天黑夜-调整太阳高度
-1:晚上
1:早上
是否让颜色根据太阳位置改变
改变天空的元素的颜色
光照未发生改变,可以试着构建光照。
边栏推荐
- 【第四周】MobileNet和HybridSN
- 自监督论文阅读笔记 DenseCL:Dense Contrastive Learning for Self-Supervised Visual Pre-Training
- A.1#【内存管理】——1.1.1 node:struct pglist_data
- 使用JSP实现简单的登录注册功能,并且使用Session跟踪用户登录信息
- POE交换机全方位解读(中)
- 深度学习理论课程第四、五章总结
- 自监督论文阅读笔记 DetCo: Unsupervised Contrastive Learning for Object Detection
- double型数据转字符串后通过MCU串口发送
- window下VS2022封装静态库以及调用静态库
- MATLAB给多组条形图添加误差棒
猜你喜欢

KASLR-内核地址空间布局随机化

002_旭日X3派初探:TogetherROS安装

Dynamic adjustment of web theme (2) Extraction

9. Please introduce the class loading process, what is the parent delegation model?

自监督论文阅读笔记 S3Net:Self-supervised Self-ensembling Network for Semi-supervised RGB-D Salient Object Det

芯片解密工作应该具备哪些条件?唯样商城

ZEMAX | 如何使用渐晕系数

ZEMAX | 在设计抬头显示器(HUD)时需要使用哪些工具?

ZEMAX | 在 OpticStudio 中使用自由曲面进行设计

自监督论文阅读笔记Reading and Writing: Discriminative and Generative Modelingfor Self-Supervised Text Recogn
随机推荐
自监督论文阅读笔记 Self-supervised Learning in Remote Sensing: A Review
数组与字符串15-最大连续1的个数
八、抽象类的接口的区别
内网渗透之PPT票据传递攻击(Pass the Ticket)
classpath:与classpath*的比较
自监督论文阅读笔记DisCo: Remedy Self-supervised Learning on Lightweight Models with Distilled Contrastive
double型数据转字符串后通过MCU串口发送
BurpSuite 进阶玩法
cmdline -[command line,__fdt_pointer,initial_boot_params] boot_command_line 获取
PCB设计经验之模拟电路和数字电路区别为何那么大
IPC通信 - 管道
ZEMAX | 如何创建简单的非序列系统
二分查找4 - 搜索旋转排序数组
【第四周】MobileNet和HybridSN
设备树解析源码分析<devicetree>-1.基础结构
损失函数(第五周)
How the world's leading medical technology company maximizes design productivity | SOLIDWORKS Product Exploration
ZEMAX | 探究 OpticStudio 偏振分析功能
自监督论文阅读笔记 SimCLRV2 Big Self-Supervised Models are Strong Semi-Supervised Learners
自监督论文阅读笔记 Multi-motion and Appearance Self-Supervised Moving Object Detection

















