Orillusion:引领Web3D渲染的未来
2024-09-16 17:03:18作者:薛曦旖Francesca
项目介绍

Orillusion 是一款基于 WebGPU 标准的纯 Web3D 渲染引擎。它旨在实现桌面级的渲染效果,并支持在浏览器中进行复杂场景的3D渲染。目前,Orillusion 处于测试阶段,不推荐用于任何商业应用。
项目技术分析
Orillusion 的核心技术基于 WebGPU,这是Web领域最新的技术标准,将在3D渲染以及 AI/LLM 场景中发挥重要作用。WebGPU 提供了比传统 WebGL 更强大的图形处理能力,使得在浏览器中实现高质量的3D渲染成为可能。
项目及技术应用场景
Orillusion 的应用场景非常广泛,包括但不限于:
- 游戏开发:在浏览器中实现高质量的3D游戏渲染。
- 虚拟现实(VR)和增强现实(AR):为Web端VR/AR应用提供强大的渲染支持。
- 数据可视化:通过3D渲染技术,将复杂数据以更直观的方式呈现。
- 教育与培训:创建交互式的3D教学内容,提升学习体验。
项目特点
- 纯Web实现:无需安装任何插件,直接在浏览器中运行。
- 高性能:基于
WebGPU标准,提供桌面级的渲染性能。 - 易用性:支持多种导入方式,包括NPM、CDN等,方便开发者快速上手。
- 社区驱动:项目鼓励开发者贡献代码,不断更新优秀的示例,帮助社区成员展示才华。
如何开始
安装
通过NPM安装
推荐使用前端构建工具如 Vite 或 Webpack 进行开发。
npm install @orillusion/core --save
通过CDN导入
支持使用原生 <script> 标签导入 Orillusion。
- 全局构建:
<script src="https://unpkg.com/@orillusion/core/dist/orillusion.umd.js"></script>
<script>
const { Engine3D, Camera3D } = Orillusion
</script>
- ESModule构建:
<script type="module">
import { Engine3D, Camera3D } from "https://unpkg.com/@orillusion/core/dist/orillusion.es.js"
</script>
使用示例
创建Engine3D实例
import { Engine3D } from '@orillusion/core'
Engine3D.init().then(()=>{
// 下一步
})
创建Canvas
<canvas id="canvas" width="800" height="500" />
import { Engine3D } from '@orillusion/core';
let canvas = document.getElementById('canvas')
await Engine3D.init({
canvasConfig: { canvas }
})
平台支持
-
Windows/Mac/Linux:
- Chrome 113+
- Edge 113+
-
Android(需开启
enable-unsafe-webgpu标志):- Chrome Canary 113+
- Edge Canary 113+
了解更多
贡献与开发
在开发或提交PR之前,请确保阅读 贡献指南。
许可证
Orillusion 引擎基于 MIT 许可证发布。
Orillusion 不仅是一个强大的Web3D渲染引擎,更是一个充满活力的开发者社区。无论你是前端开发者还是3D渲染爱好者,Orillusion 都为你提供了一个展示才华和学习新技术的平台。立即加入我们,共同探索Web3D的未来!
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0116
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220