redner
1.0.0
Redner는 임의의 장면 매개 변수와 관련하여 렌더링 출력의 파생 상품을 취할 수있는 차별화 가능한 렌더러입니다. 즉, 이미지에서 3D 장면으로 역전 할 수 있습니다. Redner의 주요 사용 중 하나는 그라디언트 하강을 통한 역 렌더링 (Redner라는 이름)입니다. 1) 불연속성을 올바르게 고려하여 근사치없이 우정 렌더링 구배를 계산하고 2) 물리적으로 기반 모드를 가지고 있습니다. 즉, 광자를 시뮬레이션하고 그림자 및 글로벌 조명과 같은 현실적인 조명 현상을 생성 할 수 있으며 이러한 기능의 유도체를 올바르게 처리 할 수 있습니다. 로컬 음영에 빠른 지연된 렌더링 모드에서 Redner를 사용할 수도 있습니다.이 모드에서는 여전히 가장 차별적 인 렌더러와 비교하여 올바른 그라디언트 추정 및보다 정교한 재료 모델이 있습니다.
렌더러, 할 수있는 작업 및 파생 상품 계산에 사용하는 기술에 대한 자세한 내용은 논문을 살펴보십시오.이 용지를 살펴보십시오. Edge Sampling, Tzu-Mao Li, Miika Aittala, Fredo Durand, Jaakko Lehtinen을 통해 차별화 가능한 Monte Carlo Ray 추적. 제출 이후 우리는 렌더러를 상당히 개선했습니다. 특히 우리는 CUDA 백엔드를 구현하고 자동 분화를 수동 유래 파생 상품으로 대체함으로써 연속 파생 상품을 크게 가속화했습니다. 자세한 내용은 Tzu-Mao Li의 논문을 참조하십시오. 또한 Changelog의 "뉴스"섹션도 참조하십시오.
현재 파이썬 환경에 Pytorch (모든 버전> = 1.0) 또는 Tensorflow (버전> = 2.0)가 설치되어 있습니다. GPU 가속 버전의 경우 (Linux 및 Windows, Cuda 버전> = 10.0) :
pip install redner-gpu
그렇지 않으면 (Windows, Linux 및 OS X) :
pip install redner
Windows 버전은 현재 Pytorch 만 지원하며 현재는 텐서 플로우가 아닙니다.
소스에서 빌드 할 수도 있습니다. 건축 지침은 위키를 참조하십시오.
Redner를 사용하는 방법을 배우는 좋은 출발점은 위키를 보는 것입니다. API Documetation이 여기에 있습니다. 또한 테스트 디렉토리 (Pytorch 및 Tensorflow)를 살펴보면 아이디어를 얻을 수 있습니다.
06/12/2020- 파이썬 3.8 지원.
04/01/2020- 카메라 왜곡 모델을 추가했습니다.
03/17/2020- Windows 용 PIP 패키지! 현재 Pytorch 지원으로 만 가능합니다. 텐서 플로우 지원은 일부 컴파일 문제로 계류 중입니다.
02/27/2020- BRDF 파생 상품의 버그를 수정했습니다. 이것은 일반 매핑에 가장 큰 영향을 미칩니다. 이것을보고 해 주신 Markus Worchel에게 다시 한 번 감사드립니다.
02/02/2020- G -Buffer 렌더링에 대한 심각한 버그를 수정했습니다 (#93). 이것을 보고해 주신 Markus Worchel에게 감사드립니다.
02/01/2020- GPU에 대한 예비 Windows 지원은 Markus Worchel 덕분에 사용할 수 있습니다.
01/08/2020- MIPMapping의 메모리 사용량을 크게 향상시킵니다. 이제 큰 텍스처 (예 : 4096x4096)를 비교적 안전하게 사용할 수 있습니다.
12/15/2019- 0.1.30에서 Pytorch 렌더링 코드에서 GC 관련 버그를 수정했습니다. 업데이트하십시오.
2019 년 12 월 12 일 - Markus Worchel의 기여 덕분에 예비 Windows 지원 (CPU 전용)이 제공됩니다.
12/09/2019- Google Colab을 사용하여 Wiki에 많은 튜토리얼을 추가했습니다. 스핑크스 생성 문서를 추가했습니다.
12/09/2019- 웨이브 프론트 OBJ 로더의 버그를 수정했습니다. 보고해 주신 Dejan Azinović에게 감사드립니다!
12/01/2019- 빌드 시스템 및 설치 파이썬 휠 설치를 다시 할 수 있습니다. Redner는 현재 PYPI (https://pypi.org/project/redner-gpu/ 및 https://pypi.org/project/redner/)에 있습니다.
11/04/2019- 자료에 임의의 수의 채널을 가질 수있는 "일반 텍스처"필드를 추가했습니다. 이는 네트워크에 의해 텍스처가 생성되는 딥 러닝 애플리케이션에 유용 할 수 있으며 추가 처리를 위해 출력이 다른 네트워크로 공급됩니다. 사용법은 test_multichannels.py를 참조하십시오. 제안과 구현에 대한 도움을 주신 François Ruty에게 감사드립니다.
11/04/2019- uv_indices 및 normal_indices 변경으로 도입 된 OBJ/Mitsuba 로더의 몇 가지 버그를 수정했습니다.
10/19/2019- 정점 컬러 지지대 추가. test_vertex_color.py를 참조하십시오.
10/08/2019- Xatlas 라이브러리를 통해 자동 UV 계산이 추가되었습니다. shape.py 및 test_compute_uvs.py의 compute_uvs 함수를 참조하십시오.
10/08/2019- 모양 클래스 인터페이스를 약간 변경했습니다. 생성자 순서는 다르며 이제 UV 매핑 및 OBJ 로딩의 이음새를 다루기위한 추가 'uv_indices'및 'normal_indices'인수가 필요합니다. Pyredner/Shape.py 및 튜토리얼 2를 참조하십시오.
09/22/2019- 이제 우리는 이제 정상 음영과 지오메트리 사이의 불일치를 더 우아하게 처리합니다 (대부분의 경우 0을 반환하는 대신). 이것은 Shapenet의 모델에서 모델의 모델을 렌더링하는 데 도움이됩니다.
09/21/2019- Radiance 출력 채널이 없을 때 지연된 렌더링 코드에서 심각한 버퍼 오버런 버그를 수정했습니다. 일이 당신을 위해 효과가 없다면 다시 시도하십시오.
08/16/2019- 더 쉬운 설치를 위해 Docker 파일이 추가되었습니다. 다시 기여 해 주신 Seyoung Park에게 감사드립니다. 또한 Wiki 설치 안내서를 크게 개선했습니다.
08/13/2019- 일반지도 지원이 추가되었습니다. tests/test_teapot_normal_map.py를 참조하십시오.
08/10/2019- 파생 상품 축적 코드 (세분화 된 감소 -> 원자)를 크게 단순화했습니다. 또한 GPU 후진 패스는 20 ~ 30% 속도를 얻었습니다.
08/07/2019- 거칠기 텍스처 버그를 수정했습니다.
07/27/2019 -Tensorflow 1.14 지원! 현재 열망하는 실행 만 지원합니다. Tensorflow 2.0이 안정된 후에 그래프 실행을 지원합니다. 예제는 tests_tensorflow를 참조하십시오 (Tests_tensorFlow/test_single_triangle.py에서 시작하는 것이 좋습니다). Cmake 파일은 파이썬에서 텐서 플로를 자동으로 감지하고 해당 파일을 설치해야합니다. 튜토리얼은 진행중인 작업입니다. 많은 감사를 표합니다.
06/25/2019- 추가 직교 카메라 (예제/2_d_mesh.py 참조).
05/13/2019- 카메라 파생 상품과 관련된 몇 가지 버그를 수정했습니다. 전에 무언가가 효과가 없다면 다시 시도하십시오.
04/28/2019- QMC 지원이 추가되었습니다 (Tests/test_qmc.py 및 pyredner.serialize_scene ()의 문서 참조).
04/01/2019- 이제 Multi -GPU를 지원합니다 (pyredner.set_device 참조).
03/31/2019- 논문에서 계층 적 모서리 샘플링 방법을 다시 가져 왔습니다.
02/02/2019- 위키에는 이제 일련의 튜토리얼이 포함되어 있습니다. 계획은 예를 더 확장하는 것입니다.
Redner는 몇 가지 라이브러리/시스템에 따라 다릅니다.이 라이브러리/시스템은 모두 저장소에 포함되어 있습니다.
현재 개발 계획은 렌더러를 향상시키는 것입니다. 다음 기능은 가까운 시일 내에 추가됩니다 (특정 순서로 나열되지 않음) :
@article{Li:2018:DMC,
title = {Differentiable Monte Carlo Ray Tracing through Edge Sampling},
author = {Li, Tzu-Mao and Aittala, Miika and Durand, Fr{'e}do and Lehtinen, Jaakko},
journal = {ACM Trans. Graph. (Proc. SIGGRAPH Asia)},
volume = {37},
number = {6},
pages = {222:1--222:11},
year = {2018}
}
질문/댓글/버그 보고서가 있으시면 저자 Tzu-Mao Li ([email protected])에게 Github 문제를 열거나 이메일을 보내십시오.
