至顶网CIO与应用频道 07月19日 北京消息:近日,白鹭时代旗下H5动画标准创作平台DragonBones5.3版正式上线,首次支持导出二进制格式,对比旧版实现了H5运行库性能提升100%,同时新增序列帧元件类型,方便开发者更直观制作序列帧动画。该版本延续了一如既往为全球开发者提供最为流行的开源免费、功能强大的2D骨骼动画解决方案,同时独具创新新增多项功能,以极致开发效率和卓越用户体验勾勒出突破期待的完美创作环境。
支持导出二进制格式,H5运行库性能提升100%
在龙骨团队历时3个月潜心研发后,正式对外发布了支持二进制数据格式的DragonBones5.3版本。DragonBones5.3同时配套提供了支持解析二进制数据的TS库,已集成到Egret 4.x引擎中,并很快将与开发者见面,其他语言的解析库也将在不久之后陆续上线。通过DragonBones5.3官方提供的性能对比demo显示,对比旧版本龙骨,新版DragonBones5.3实现了性能提升100%。
二进制数据带来的好处本质上和目前Egret的极速格式相似,对比JSON,能降低70%的内存消耗,大幅减少加载时间,并且在开启数据缓存的情况下能大幅提高运行效率。开发者在使用二进制格式不会带来任何动画特性的损失,不论是是网格、蒙皮、柔体动画、多动画混合,二进制格式都能完美支持,性能上也比Egret极速格式有了进一步的提升。
测试链接:
新版本龙骨二进制:http://dragonbones.com/demo/egret/benchmark/index.html
旧版本龙骨JSON:http://dragonbones.com/demo/egret/benchmark/index_b.html
测试环境及结论:
在红米 Note + 微信环境,纹理集尺寸:256x128,目标帧率45帧:
新版本龙骨使用二进制格式能运行柔体动画 855个显示对象+13689个顶点
老版本龙骨使用JSON格式能运行柔体动画 475个显示对象+9025个顶点
回顾龙骨产品历次迭代可以看出,龙骨针对普通动画和柔体动画在H5里的性能始终保持引领全球,不断创造着新的性能效率记录。本次DragonBones5.3推出“龙骨二进制格式”,实现了在不舍弃高级功能的前提下,性能的大幅提升和内存占用的降低。例如柔体动画,在测试环境里龙骨可以实现570个显示对象+9120个网格点在千元机微信环境中跑到60fps,领跑全球H5动画运行性能,经测试目前龙骨的运行效率高于同类产品约30%。
新增序列帧元件类型,更方便更直观制作序列帧动画
过去H5游戏开发中有很多简单的动画需要用序列帧实现,但开发者起初在龙骨中并不能顺利的实现这一功能。在搜集大量真实用户需求后,龙骨团队决定针对最简单的序列帧动画提供单独的元件,方便开发者更直观的制作序列帧动画。
全新的序列帧原件,可以方便快捷的制作逐帧动画。开发者只需将图片序列拖拽到场景中,就会自动排列生成逐帧动画序列,可以对图片进行快速排序,通过键盘微调图片对齐,快速调节轴点位置、水平翻转、垂直反转以及应用到所有帧。值得一提的是,DragonBones5.3还有洋葱皮功能,开启后可以方便的调节和前一帧或后一帧的对齐,如果制作像素风的逐帧动画,也可以在“偏好设置”里关闭“图片平滑显示”。
技术优势全球领先,龙骨制定H5动画标准
DragonBones(龙骨)是目前全球移动市场上最受欢迎的2D骨骼动画创作平台,开源免费、功能强大、完善的工作流蜚声海内外游戏创作圈,拥有曾创造中国移动游戏收入神话的《刀塔传奇》等多款经典游戏成功案例。
在17年3月16日,国际电信联盟正式发布的手机(移动终端)动漫国际标准(标准号T.621)里,白鹭时代旗下动画创作平台DragonBones(龙骨)更是成为首个支持H5动漫国际标准的创作工具。白鹭时代参与并定义标准中的可交互式漫画标准格式,并为手机端(移动终端)以H5的形态展示可交互动态漫画提供完整的解决方案,该方案不仅在国内H5领域处于优势,更已走在了世界前沿。
此外DragonBones5.3还包括以下新特性:
·为元件增加画布属性,可以设置元件的边框和背景色。
·新增克隆元件的功能。
·多选网格点,也可以按Ctrl+数字编组。
·将发布网页的功能集成到导出面板中。(导出HTML,类型选择"发布")
·降低在线检测的频率,离线状态也可以保存项目。
·优化ps导入插件,解决有时从ps导入的图片尺寸过大无法显示的问题。
·右键点击时间轴空白处就能够在两帧之间创建补间。
·导出成功后弹出的提示窗口上,点击导出路径后,提示窗口会自动关闭。
DragonBones 5.3下载地址:http://www.dragonbones.com
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。