Gaffer 1.5.7.0版本发布:USD与可视化功能全面升级
Gaffer是一款开源的视觉特效和动画制作工具,它采用节点式的工作流程,为艺术家和技术总监提供了强大的场景构建、渲染和合成能力。Gaffer 1.5.7.0版本带来了多项重要更新,特别是在USD(通用场景描述)支持和可视化工具方面有了显著增强。
USD功能增强
本次更新对USD的支持进行了多项改进,其中最引人注目的是新增了对USD PointInstancers的自动扩展支持。PointInstancer是USD中用于高效实例化大量几何体的重要功能,新版本可以在渲染时自动展开这些实例,使它们成为独立的对象。这一功能可以通过gafferUSD:pointInstancerAdaptor:enabled属性进行精细控制,用户还可以使用gafferUSD:pointInstancerAdaptor:attributes属性指定哪些点云原始变量应提升为用户属性。
在Viewer中,新增了"Expand USD Instancers"选项,默认情况下,除OpenGL外的所有渲染器都会启用此功能。这意味着艺术家可以更灵活地查看和编辑USD场景中的实例化对象。
可视化工具升级
VisualiserTool新增了对向量(V3f)数据的可视化支持,这是一个非常实用的功能更新。现在用户可以通过vectorScale插值调整向量线的显示比例,使用vectorColor插值改变向量颜色,甚至可以通过Shift++和Shift+-快捷键快速调整比例。当鼠标悬停在顶点附近时,工具还会显示该顶点的向量值,大大提升了数据可视化的直观性。
实例化功能改进
Instancer节点现在支持相对路径的原型引用,这是一个重要的工作流程改进。当使用相同的场景连接到in和prototypes时,现在可以将实例化器及其原型一起重新定位到层次结构中的不同位置。以"./"开头的路径将被视为相对路径,或者用户可以通过设置环境变量GAFFERSCENE_INSTANCER_EXPLICIT_ABSOLUTE_PATHS来强制任何不以"/"开头的路径被视为相对路径。
渲染器支持增强
在渲染器支持方面,3Delight现在支持灯光静音功能,Arnold渲染器则改进了着色器节点菜单的显示方式,能够识别Arnold的ui.name元数据,使OpenPBR Surface菜单项的显示更加规范。
性能优化与错误修复
本次更新还包括多项性能优化和错误修复。Instancer节点的哈希计算得到了改进,减少了不必要重新计算的情况。修复了SceneWriter在写入动画属性和边界到USD时的问题,以及NumericPlug在序列化具有无限最小/最大值插值时的错误。
开发API改进
对于开发者而言,Attributes和Options类新增了受保护的构造函数,用于从元数据定义的属性/选项进行初始化。ShaderUI现在支持noduleLayout:visible和noduleLayout:defaultVisibility元数据,这些元数据可以通过Metadata API以与userDefault相同的方式进行注册。
Gaffer 1.5.7.0版本的这些更新进一步巩固了其在专业视觉特效制作领域的地位,特别是在USD工作流程和可视化工具方面的增强,将为艺术家和技术总监提供更高效、更直观的创作体验。
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