Gaffer 1.5.15.0版本发布:场景全局选项处理与动画编辑增强
Gaffer是一款开源的视觉特效和动画制作工具,专注于提供节点式的工作流程,广泛应用于电影和电视制作领域。它结合了强大的场景描述能力和灵活的节点网络,使艺术家和技术总监能够高效地创建复杂的视觉效果。
核心功能更新
ShuffleOptions节点引入
本次1.5.15.0版本新增了ShuffleOptions节点,这是一个专门用于处理场景全局选项的重要工具。在特效制作中,场景全局选项包含了影响整个场景的各种参数设置。ShuffleOptions节点允许用户对这些选项进行重新排列和重组,大大提升了场景设置的灵活性。
这个功能特别适合需要频繁调整全局参数的工作流程,比如在不同渲染层之间切换设置,或者在测试渲染和生产渲染之间快速转换。
动画编辑功能增强
多属性同时动画支持
动画系统得到了显著增强,现在支持对颜色、向量和边界框等多种类型插件的动画处理。更重要的是,用户可以在多个插件上同时应用动画操作,这一改进在以下几个编辑器中尤为实用:
- 灯光编辑器(LightEditor)
- 渲染通道编辑器(RenderPassEditor)
- 属性编辑器(AttributeEditor)
- 电子表格界面(Spreadsheet UI)
这意味着艺术家可以一次性为多个相关参数创建动画,而不需要逐个设置,大大提高了工作效率。
快捷键优化
编辑体验也得到了改善,新增了以下快捷键组合:
- Shift + Enter:提交编辑但不关闭弹出窗口
- Shift + Ctrl + Enter:同样用于提交编辑并保持窗口开启
这种设计允许用户在连续编辑多个值时保持编辑器窗口打开,避免了频繁打开关闭窗口的操作,使工作流程更加流畅。
灯光编辑器改进
针对Arnold渲染器的灯光编辑器进行了布局优化:
- 重新组织了各个部分的顺序
- 调整了部分栏目在各自部分中的排列
这些调整使界面更加符合Arnold灯光参数的组织逻辑,让用户能够更直观地找到需要的控制项。
USD相关增强
USD加载能力扩展
SceneReader现在能够识别并加载更多类型的USD图元:
- ArnoldAlembic
- ArnoldUsd
- ArnoldProceduralCustom
这些图元会被转换为ExternalProcedural对象,扩展了Gaffer对USD生态系统的支持。
环境变量自动配置
当指定ARNOLD_ROOT时,Wrapper现在会自动将$ARNOLD_ROOT/plugins/usd/usdArnold/resources添加到PXR_PLUGINPATH_NAME环境变量中,简化了Arnold与USD的集成配置。
问题修复
本次版本修复了多个影响用户体验的问题:
-
RenderMan相关修复:
- 增加了对多种数组类型属性的支持,特别是修复了从USD加载的
render:displayColor属性的导出问题 - 修复了通过Dots等中间节点建立的连接加载失败的问题
- 增加了对多种数组类型属性的支持,特别是修复了从USD加载的
-
表达式系统:
- 修复了名称中包含
:字符的插件在创建OSL表达式时的错误
- 修复了名称中包含
-
Python编辑器:
- 修复了在输入部分插件或节点名称或字典键后输入
:时不显示自动完成菜单的问题
- 修复了在输入部分插件或节点名称或字典键后输入
-
动画系统:
- 修复了插件上下文菜单中的"跳转到"功能
-
编辑菜单:
- 当选择内容为只读时,现在会正确禁用"重命名"菜单项
-
目录系统:
- 增加了对从Gaffer 1.6保存的Catalogues的前向兼容性
-
场景读取:
- 修复了加载具有独特动画的实例化UsdSkel几何体的问题
构建系统改进
构建系统新增了buildGraphics选项,允许单独构建Gaffer标志和图标。此外,Cortex库已更新至10.5.15.0版本,提供了更好的底层支持。
总结
Gaffer 1.5.15.0版本通过引入ShuffleOptions节点和增强动画编辑功能,进一步提升了特效制作的工作效率。特别是对USD生态系统的扩展支持和RenderMan相关修复,使得这款工具在现代特效制作流水线中更加可靠和强大。这些改进既考虑了技术总监的需求,也照顾到了艺术家的使用体验,体现了Gaffer团队对用户工作流程的深入理解。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00