3D角色制作的岗位划分,常被理解成“模型、贴图、绑定、动画”这样的工序罗列。但工序只是表象。真实项目里,一个岗位的价值由它向上下游交付什么、以什么标准交付、下游能否直接消费来定义。模型师交付的不是“一个模型”,是“能被绑定、能被减面、UV 不拉伸的网格”;绑定师交付的不是“能动的角色”,是“权重合规、表情不越区、能进引擎的骨架”。
所以“3D角色职业”的专业内核是接口契约:每个岗位都是一组明确的输入假设与输出标准。能力强的标志不是做得更细,而是交付物零返工地进入下一环。这恰好可以用代码来定义和检验——把岗位标准写成验收器,职业能力就从“师傅评价”变成“交付物说话”。
角色模型师:核心能力是体块概括与拓扑预判。要能在雕刻时就知道“这里将来要弯曲,边流得顺着肌肉走”。交付标准:四边面占比、非流形、形变区密度。
贴图/材质师:核心能力是 PBR 逻辑与切线空间理解。交付标准:通道完整、albedo 不含光照、法线切线基一致、金属度非 0/1 混用。
绑定师:核心能力是解剖与权重分布。交付标准:影响数合规、归一化、极端姿态无穿插、Blendshape 作用区干净。
毛发/角色 TD:核心能力是把重复劳动工具化。交付标准:groom 密度分级、LOD 切换无跳变、批量检查脚本可复用。
技术美术(角色向):核心能力是定义上面所有人的契约。交付标准:管线门禁通过率、返工率。
从“做得好看”到“交得出去”。 新人追求单张渲染图,资深追求资产能进引擎、能被别人接着做。分水岭是是否理解下游需求。
从“执行”到“定义标准”。 中级能按标准做,高级能写出标准并让全组执行。这一步需要把经验转成可检验的规则。
从“个人产能”到“管线产能”。 顶级角色 TD 的产出不是资产,是让全组少返工的工具与门禁。
(1)契约定义:每个岗位的交付物与验收项
from dataclasses import dataclass, field
from typing import Callable
@dataclass
class Delivery:
role: str # model / texture / rig / hair
asset_id: str
files: dict # 交付文件清单
checks: dict = field(default_factory=dict) # 验收结果
CONTRACTS = {
"model": ["quad_ratio", "non_manifold", "uv_stretch_p95", "deform_density"],
"texture": ["channel_complete", "albedo_no_light", "tangent_match", "metal_binary"],
"rig": ["influence_ok", "normalized", "bs_region_clean", "extreme_pose"],
"hair": ["groom_lod", "card_density", "lod_switch_smooth"],
}(2)各岗位验收器
import numpy as np, trimesh
def check_model(path):
m = trimesh.load(path, process=False)
edges = np.unique(m.edges_sorted, axis=0, return_counts=True)[1]
return {
"quad_ratio": 1.0, # 由DCC回读原始面型,此处占位
"non_manifold": int((edges > 2).sum()),
"uv_stretch_p95": 1.32, # 复用上一节的UV畸变计算
"deform_density": 1.0, # 形变区密度比,由权重梯度区统计
}
def check_texture(maps: dict):
req = {"albedo", "normal", "roughness", "metallic"}
albedo = maps.get("albedo")
return {
"channel_complete": req <= set(maps),
# albedo 亮度均值过高通常意味着烘进了光照
"albedo_no_light": bool(albedo is not None and albedo.mean() < 0.6),
"tangent_match": maps.get("tangent_space") == "MikkTSpace",
# 金属度应是0/1二值或明确渐变,中段占比过高说明混淆了金属与粗糙
"metal_binary": bool(maps.get("metal_mid_ratio", 0) < 0.1),
}
def check_rig(weights, bs_deltas, region_masks, extreme_poses):
top = np.sort(weights, axis=1)[:, ::-1]
over = int((top[:, 4:] > 1e-4).any(1).sum())
unnorm = int((np.abs(top.sum(1) - 1) > 1e-3).sum())
# Blendshape越区:作用区外位移必须为0
dirty = sum(int((np.linalg.norm(bs_deltas[k][~region_masks[k]], axis=1) > 1e-4).sum())
for k in bs_deltas)
penetration = any(p["self_intersect"] for p in extreme_poses)
return {"influence_ok": over == 0, "normalized": unnorm == 0,
"bs_region_clean": dirty == 0, "extreme_pose": not penetration}
def check_hair(groom):
return {"groom_lod": len(groom["lods"]) >= 2,
"card_density": 500 <= groom["cards"] <= 4000,
"lod_switch_smooth": groom["lod_iou"] > 0.95}(3)管线门禁:按岗位串行,前一级不过不许进下一级
def run_gate(delivery: Delivery, results: dict) -> tuple[bool, list]:
rules = {
"model": {"non_manifold": 0, "quad_ratio": (">=", 0.85),
"uv_stretch_p95": ("<=", 1.5)},
"texture": {"channel_complete": True, "albedo_no_light": True,
"tangent_match": True, "metal_binary": True},
"rig": {"influence_ok": True, "normalized": True,
"bs_region_clean": True, "extreme_pose": True},
"hair": {"groom_lod": True, "lod_switch_smooth": True},
}[delivery.role]
fails = []
for k, expect in rules.items():
v = results[k]
if isinstance(expect, tuple):
op, tgt = expect
ok = v >= tgt if op == ">=" else v <= tgt
else:
ok = v == expect
if not ok:
fails.append(f"{delivery.role}.{k}={v} 不满足 {expect}")
return len(fails) == 0, fails(4)能力画像:从历史交付反推岗位能力维度
def skill_profile(history: list) -> dict:
"""history: [{role, checks, rework_count}] 近N个资产的交付记录"""
prof = {}
for d in history:
r = d["role"]
p = prof.setdefault(r, {"n": 0, "pass": 0, "rework": 0})
p["n"] += 1
p["pass"] += int(all(d["checks"].values()))
p["rework"] += d["rework_count"]
for r, p in prof.items():
p["pass_rate"] = round(p["pass"] / p["n"], 3)
p["rework_per_asset"] = round(p["rework"] / p["n"], 2)
# 一次通过率高 = 懂下游;返工少 = 标准内化
p["level"] = ("资深" if p["pass_rate"] > 0.9 and p["rework_per_asset"] < 0.3
else "中级" if p["pass_rate"] > 0.7 else "初级")
return prof这套代码的意义是:职业能力第一次有了可量化的观测面——不是“感觉他做得好”,而是“他交付的资产一次通过率多少、平均返工几次、卡在哪个检查项”。卡在 uv_stretch 多的,是拓扑预判不足;卡在 bs_region_clean 多的,是形变区理解不够。能力短板直接对应到具体验收项。
五项硬指标:一次交付通过率(>85%,衡量是否理解下游)、单资产返工次数(<0.5,衡量标准内化程度)、门禁卡点分布(是否集中在少数几项,暴露能力短板)、跨岗交接耗时(资产在岗位间停留时长)、工具复用率(TD 岗工具被全组调用次数)。前两项衡量个人,中间一项定位短板,后两项衡量管线与团队产能。
3D角色职业的专业核心,是每个岗位都用交付契约定义自己:模型交拓扑、贴图交通道、绑定交权重、TD 交工具。把契约写成验收器,能力就从主观评价变成可观测的通过率与返工率。做得好看是入门,交得出去是职业,能定义并让全组执行标准,才是资深。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。