सामान्यीकृत मान

आपको यह समस्या पता है: कंपोज़िटर विभिन्न स्रोतों से रॉ डेटा प्राप्त करता है - एक कैमरे से ट्रैकिंग मार्कर, माया से कण सिमुलेशन, मोशन कैप्चर सत्र से सेंसर मान। प्रत्येक की अपनी अलग भाषा होती है। कुछ 0 से 10000 के बीच मान प्रदान करते हैं, अन्य -180 से 180 डिग्री के बीच, और कुछ बस हाँ/नहीं। ऐसे मापन डेटा को तुलनीय और विनिमेय बनाने के लिए, आप उन्हें सामान्यीकृत करते हैं - यानी, प्रत्येक मान को समान सीमा में स्केल करते हैं, आमतौर पर 0 से 1 या –1 से 1। यह सामान्यीकृत मान है।

गणितीय सूत्र तुच्छ है, व्यावहारिक अनुप्रयोग महत्वपूर्ण है। किसी भी मान x को मूल सीमा [Min, Max] से [0, 1] में बदलने के लिए, आप गणना करते हैं: (x – Min) / (Max – Min)। नुके में, आप इसे एक एक्सप्रेशन में डालते हैं, और अचानक आप सब कुछ नियंत्रित करने के लिए 0 से 1 तक एक एकल स्लाइडर का उपयोग कर सकते हैं - बिना हार्ड-कोडिंग के। एक ColorCorrect-नोड को अपना Gain एक सामान्यीकृत इनपुट के रूप में मिलता है, एक Blur-नोड को अपना Size, एक Roto-Shape को अपना Feather। सभी एक ही नियंत्रण पैरामीटर से जुड़े होते हैं। इससे समय की बचत होती है और नेटवर्क पठनीय बनते हैं।

व्यवहार में, जटिल वीएफएक्स शॉट्स को रिग करते समय इसका लाभ स्पष्ट होता है। आप एक मास्टर-कंट्रोल बनाते हैं - 0 और 1 के बीच एक एकल मान - और इसे दर्जनों उप-पैरामीटर में निर्देशित करते हैं। माया में एक कैरेक्टर सेटअप फेशियल रिग्स को चलाने के लिए सामान्यीकृत ब्लेंड-शेप का उपयोग करता है। हुडिनी में एक पार्टिकल सिस्टम एनिमेशन चरणों को ट्रिगर करने के लिए सामान्यीकृत समय मान प्राप्त करता है। सामान्यीकरण के बिना, आपको प्रत्येक नोड को अलग-अलग कैलिब्रेट करना होगा - एक सिरदर्द, यदि पर्यवेक्षक बाद में तीव्रता बदलना चाहता है।

ध्यान दें: सामान्यीकृत मान लीनियर इंटरपोलेशन या कर्व मैपिंग के समान नहीं है। सामान्यीकरण विशुद्ध रूप से गणितीय, मान-तटस्थ है - यह क्रम को बनाए रखता है, अर्थ को नहीं। जब आप बाद में इसके ऊपर एक गामा कर्व या कस्टम ईज़ फ़ंक्शन लागू करते हैं, तभी आपके मान भौतिक रूप से सार्थक हो जाते हैं। सामान्यीकृत मान नींव है - बाद में आने वाली हर चीज़ के लिए कच्चा माल।