MaterialX 1.39.2版本发布:专业材质创作工具的重大更新
MaterialX是一个开源的材质定义和交换标准,由Academy Software Foundation维护。它被广泛应用于视觉效果、动画制作和游戏开发等领域,为不同软件和渲染器之间的材质交换提供了统一的解决方案。MaterialX通过节点图的形式描述材质,支持多种渲染后端,包括GLSL、OSL、MDL等。
新增功能亮点
1. 新增高级BSDF模型支持
最新版本引入了Chiang Hair BSDF模型,为毛发渲染提供了更专业的解决方案。该模型在硬件着色语言和MDL中已实现初步支持,能够更真实地模拟各类毛发材质的光学特性。
同时,团队还添加了对迪士尼原则性着色模型的支持。这一广受欢迎的着色模型现在以语言无关的节点图形式实现,使艺术家能够跨平台使用这一业界标准。
2. 增强的纹理与颜色处理
新版本引入了通用颜色渐变节点,提供多达10个控制点的灵活渐变调节能力。这一功能极大扩展了艺术家的创作空间,特别是在创建复杂渐变纹理时。
Worley噪声节点新增了"实体单元"模式,为金属片材质等特殊效果开辟了新的艺术可能性。这种噪声模式能够产生更清晰的单元边界,特别适合模拟金属表面微粒效果。
3. 核心架构改进
数据库引用功能的加入显著提升了着色器生成性能。这一优化允许更高效地管理和重用材质数据,特别适合大型项目。
自定义结构类型的支持为高级用户提供了更大的灵活性,使他们能够定义和使用自己的数据结构类型,扩展了MaterialX的表达能力。
渲染与着色器改进
1. 跨格式转换增强
标准表面到glTF PBR的转换图中新增了透射效果支持,改善了材质在不同格式间转换时的视觉一致性。
USD预览表面转换图现在支持涂层发射效果,确保从MaterialX到USD的材质转换不会丢失重要的视觉效果特性。
2. 着色语言支持升级
硬件着色语言新增了对视图方向空间的支持,为基于视角的效果提供了更直接的实现方式。
MDL支持已升级至1.9版本,确保用户能够利用最新的材质定义语言特性。同时,团队也提高了OSL的最低版本要求至1.12.6,专注于维护与现代OSL版本的兼容性。
工具与用户体验优化
1. 渲染与测试工具改进
MaterialXRender新增了图像下采样功能,为处理高分辨率纹理提供了更多选择。渲染测试工具现在支持图像差异统计,使质量对比更加量化。
2. 编辑器体验提升
修复了图形编辑器中相机轨道控制的问题,使视图导航更加直观。节点粘贴的边缘情况也得到了处理,提高了工作流程的稳定性。
性能与兼容性
图形遍历性能通过优化边缘访问逻辑得到提升,减少了不必要的计算。Metal着色语言(MSL)和GLSL实现之间的代码重复被大幅减少,使维护更加高效。
USD预览表面着色模型更新至2.6版本,在保持现有资产视觉一致性的同时,提供了更现代的着色特性。
移除的过时功能
为了保持代码库的现代化,移除了对旧版OSL闭包的支持。现在MaterialX专注于与OSL 1.12及以上版本中MaterialX同步的闭包,确保着色器生成的现代性和一致性。
MaterialX 1.39.2版本的这些改进和新增功能,为材质艺术家和技术美术师提供了更强大、更灵活的工具集,同时保持了与行业标准的兼容性。无论是创建复杂的表面材质,还是在不同渲染管线间交换材质数据,这一版本都提供了显著的性能提升和工作流程优化。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00