Gaffer 1.5.13.0版本发布:专业节点图形编辑器迎来多项增强
关于Gaffer项目
Gaffer是一款开源的节点图形编辑器,专为视觉效果和动画制作领域设计。它采用基于节点的可视化编程方式,让艺术家和技术总监能够通过连接各种功能节点来构建复杂的图像处理流程。Gaffer在影视特效制作中有着广泛应用,特别适合处理大规模场景和复杂的渲染任务。
核心功能更新
ArnoldProcedural节点新增
本次版本最引人注目的变化是新增了ArnoldProcedural节点。这个节点允许用户创建Arnold渲染器专用的.ass程序化占位符。在大型场景制作中,这个功能可以显著提升工作效率:
- 实现场景的轻量化处理,减少内存占用
- 支持延迟加载复杂几何体
- 便于团队协作时交换场景数据
编辑器复制粘贴功能增强
Gaffer 1.5.13.0为多个编辑器引入了统一的复制粘贴功能,极大提升了批量编辑的效率:
-
AttributeEditor、LightEditor和RenderPassEditor现在支持:
- 使用Ctrl+C复制一个或多个单元格的值
- 使用Ctrl+V粘贴到目标单元格
- 与Spreadsheet单元格之间的双向数据交换
-
数据类型转换更加智能:
- 支持BoolData与IntData之间的转换
- 支持FloatData与IntData之间的转换
- 字符串数据可以自动分割为字符串数组
工作流程优化
图像处理改进
ImageReader节点现在会自动设置"filePath"元数据,这一看似小的改进实际上解决了长期存在的工作痛点:
- 用户可以轻松追踪图像来源路径
- 为后续处理流程提供可靠的路径信息
- 特别适合需要反复调试图像处理管线的场景
Cryptomatte功能增强
Cryptomatte技术的自动查找功能得到显著提升:
- 现在能更好地处理附带清单文件的图像
- 当未指定明确manifestDirectory时,会自动查找图像所在目录
- 减少了手动配置的工作量,使Cryptomatte工作流程更加顺畅
渲染器兼容性修复
Cycles渲染器
修复了批量渲染中的灯光链接问题,确保:
- 复杂灯光设置能在批量渲染中正确应用
- 多灯光场景的渲染结果与交互预览一致
RenderMan渲染器
本次更新解决了两个关键问题:
- 批量渲染中的灯光链接功能
- 属性处理更加规范:
- 正确处理render:{name}类属性
- 支持从USD文件加载的primvar:{name}属性
- PxrAttribute着色器现在能更灵活地访问这些属性
稳定性提升
Alembic格式支持
修复了因无效UV数据导致的崩溃问题,使:
- 复杂Alembic文件的导入更加稳定
- 不良数据不会导致整个工作流程中断
多语言环境兼容
虽然实际影响有限,但本次更新还是修复了JSON解析中潜在的语言环境相关问题,体现了开发团队对细节的关注。
开发者相关更新
API增强
PlugAlgo模块新增功能:
- 支持StringPlug与StringVectorData之间的值设置
- 新增setValueOrInsertKeyFromData方法
PathListingWidget新增visualOrder()功能,为界面定制提供更多可能性。
底层依赖更新
Cortex库升级至10.5.14.0版本,带来底层性能和安全性的提升。
总结
Gaffer 1.5.13.0版本虽然是一个小版本更新,但在工作流程优化和稳定性方面做出了显著改进。新增的ArnoldProcedural节点和跨编辑器复制粘贴功能将直接提升特效艺术家的工作效率,而渲染器兼容性修复则确保了复杂项目的可靠执行。这些改进共同巩固了Gaffer作为专业级视觉效果制作工具的地位。
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