Gaffer 1.5.11.0版本发布:渲染与视觉化工具的重大更新
Gaffer是一款开源的视觉特效和动画制作工具,专注于节点式工作流程,广泛应用于电影和电视制作领域。它提供了强大的场景描述、灯光设置和渲染功能,支持多种主流渲染引擎。最新发布的1.5.11.0版本带来了一系列重要的功能增强和问题修复,特别是在RenderMan和Arnold渲染器支持方面有了显著改进。
RenderMan灯光过滤器支持
1.5.11.0版本为RenderMan渲染器新增了对灯光过滤器(light filters)的支持。灯光过滤器是高级灯光控制工具,允许艺术家在不改变光源本身的情况下,对灯光效果进行精细调整。这一功能的加入使得Gaffer用户能够更灵活地控制场景照明效果,实现更复杂的灯光交互。
值得注意的是,新版本还优化了Stylized Looks(风格化外观)的工作流程。现在,当场景中存在风格化显示过滤器时,相关AOV(任意输出变量)会自动添加,不再需要手动设置,大大简化了工作流程,减少了人为错误的可能性。
Arnold渲染器增强
对于使用Arnold渲染器的用户,1.5.11.0版本增加了对UsdLux IES参数的支持。IES(照明工程学会)文件包含了真实世界灯具的光照分布数据,能够模拟各种专业灯具的真实光照效果。这一改进使得从USD场景导入的灯光能够更准确地转换为Arnold渲染器可识别的参数,保持了灯光特性的完整性。
重要问题修复
本次更新修复了多个影响用户体验的关键问题:
-
RenderManShader参数处理:修复了color、vector、normal和point类型参数的最小值和最大值处理问题,确保了参数范围限制的正确应用。
-
FreezeTransform节点:解决了当输入图元包含共享相同数据的多个图元变量时出现的双重变换问题,保证了变换操作的准确性。
-
3Delight渲染器:修复了dlToon轮廓在Beauty和Outlines输出中的渲染问题,确保了卡通风格渲染的正确显示。
-
VisualiserTool:改进了错误处理机制,当上游节点发生错误时,OpenGL视图不再崩溃,提供了更稳定的视觉反馈。
-
ResamplePrimitiveVariables节点:优化了曲线和点数据重采样过程中的取消操作,提高了处理大型数据集时的响应性。
-
RenderMan交互式降噪:修复了Windows平台上的交互式降噪配置问题,并解决了当找不到beauty输出时导致的错误。
-
编辑器稳定性:修复了AttributeEditor、LightEditor和RenderPassEditor在使用拖放编辑功能时可能导致的崩溃问题,特别是当编辑没有"enabled"插件的NameValuePlug时。
技术意义与应用价值
Gaffer 1.5.11.0版本的这些改进不仅提升了软件的稳定性和可靠性,更重要的是增强了艺术家的工作效率。自动化的AOV设置减少了技术性操作,让艺术家可以更专注于创意表达;灯光过滤器和IES支持则扩展了灯光设计的可能性,为创建更真实或更具风格化的照明效果提供了工具基础。
对于技术总监和流程开发人员来说,这些修复和增强意味着更少的生产中断和更可预测的行为,特别是在处理复杂场景和大型数据集时。节点式工作流的稳定性提升,使得从概念到最终渲染的整个流程更加顺畅。
总的来说,Gaffer 1.5.11.0版本在保持其核心优势的同时,通过有针对性的改进,进一步巩固了其作为专业视觉特效制作工具的地位。无论是对于小型工作室还是大型制作公司,这些更新都将带来实质性的工作流程优化和创作自由度提升。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00