Sedona

`html

Ce document donne un aperçu d'Apache Sedona et Mitsuba 3, deux projets distincts axés respectivement sur l'informatique spatiale et le rendu. Apache Sedona est un puissant moteur de calcul spatial pour l'analyse de données à grande échelle, tandis que Mitsuba 3 est un système de rendu orienté recherche offrant des performances et une différentiabilité élevées. Les deux projets offrent une documentation complète et un soutien communautaire.

Rejoignez la communauté

Suivez Sedona sur Twitter pour des nouvelles fraîches : Sedona@Twitter

Rejoignez la communauté Discord de Sedona :

Rejoignez l'heure de bureau mensuelle de la communauté de Sedona : Google Agenda, les mardis de 8 h 00 à 9 h 00, heure du Pacifique, toutes les 4 semaines.

Sedona JIRA : bugs, demandes d'extraction et autres problèmes similaires

Listes de diffusion Sedona : [email protected] : développement de projets, questions générales ou tutoriels.

Qu’est-ce qu’Apache Sedona ?

Apache Sedona™ est un moteur de calcul spatial qui permet aux développeurs de traiter facilement des données spatiales à n'importe quelle échelle au sein de systèmes informatiques en cluster modernes tels qu'Apache Spark et Apache Flink.

Les développeurs de Sedona peuvent exprimer leurs tâches de traitement de données spatiales dans Spatial SQL, Spatial Python ou Spatial R. En interne, Sedona fournit des fonctionnalités de chargement, d'indexation, de partitionnement et de traitement/optimisation de requêtes qui permettent aux utilisateurs d'analyser efficacement les données spatiales à n'importe quelle échelle.

Caractéristiques

Certaines des fonctionnalités clés d'Apache Sedona incluent :

Ce sont quelques-unes des fonctionnalités clés d'Apache Sedona, mais il peut offrir des fonctionnalités supplémentaires en fonction de la version et de la configuration spécifiques.

Cliquez et jouez immédiatement au bloc-notes interactif Sedona Python Jupyter !

Quand utiliser Sedona ?

Cas d'utilisation :

Apache Sedona est un framework largement utilisé pour travailler avec des données spatiales, et il propose de nombreux cas d'utilisation et applications différents. Certains des principaux cas d'utilisation d'Apache Sedona incluent :

Exemple de code :

Cet exemple charge les enregistrements de trajets en taxi à New York et les informations sur les zones de taxi stockées sous forme de fichiers .CSV sur AWS S3 dans des trames de données spatiales Sedona. Il effectue ensuite une requête SQL spatiale sur les ensembles de données de trajets en taxi pour filtrer tous les enregistrements, à l'exception de ceux de la région de Manhattan à New York. L'exemple montre également une opération de jointure spatiale qui associe les enregistrements de trajets en taxi aux zones selon que le trajet en taxi se situe ou non dans l'étendue géographique de la zone. Enfin, le dernier extrait de code intègre la sortie de Sedona avec GeoPandas et trace la distribution spatiale des deux ensembles de données.

Charger les données de trajets en taxi et de zones de taxi à New York à partir de fichiers CSV stockés sur AWS S3

Requête SQL spatiale pour renvoyer uniquement les trajets en taxi à Manhattan

Jointure spatiale entre Taxi Dataframe et Zone Dataframe pour rechercher des taxis dans chaque zone

Afficher une carte des trames de données spatiales chargées à l'aide de GeoPandas

Image Docker

Nous fournissons une image Docker pour Apache Sedona avec Python JupyterLab et un cluster à nœud unique. Les images sont disponibles sur DockerHub

Bâtiment Sedona

Pour installer le package Python :

Pour compiler le code source, veuillez vous référer au site Web de Sedona

Modules dans le code source

Documentation

Veuillez visiter le site Web d'Apache Sedona pour des informations détaillées

Alimenté par

exemple:

Moteur de rendu Mitsuba 3

Documentation	Vidéos tutorielles	Linux	Mac OS	Fenêtres	PyPI

️

Avertissement

️

Il existe actuellement un grand nombre de travaux non documentés et instables en cours dans

la branche master . Nous vous recommandons fortement d'utiliser notre

dernière version

jusqu'à nouvel ordre.

Si vous souhaitez déjà tester les modifications à venir, veuillez consulter

ce guide de portage.

Il devrait couvrir la plupart des nouvelles fonctionnalités et des modifications majeures à venir.

Introduction

Mitsuba 3 est un système de rendu orienté recherche pour la lumière directe et inverse

simulation de transport développée à l'EPFL en Suisse.

Il se compose d'une bibliothèque principale et d'un ensemble de plugins qui implémentent des fonctionnalités

allant des matériaux et sources de lumière aux algorithmes de rendu complets.

Mitsuba 3 est reciblable : cela signifie que les implémentations sous-jacentes et

les structures de données peuvent se transformer pour accomplir diverses tâches différentes. Pour

Par exemple, le même code peut simuler à la fois le transport RVB scalaire (classique un rayon à la fois)

ou transport spectral différentiel sur le GPU. Tout cela s'appuie sur

Dr.Jit, un compilateur spécialisé juste à temps (JIT) développé spécifiquement pour ce projet.

Principales caractéristiques

• Multiplateforme : Mitsuba 3 a été testé sur Linux ( x86_64 ), macOS

  ( aarch64 , x8664 ) et Windows ( x8664 ).

• Hautes performances : le compilateur Dr.Jit sous-jacent fusionne le code de rendu

  en noyaux qui atteignent des performances de pointe en utilisant

  un backend LLVM ciblant le CPU et un backend CUDA/OptiX

  ciblant les GPU NVIDIA avec l’accélération matérielle du lancer de rayons.

• Python d'abord : Mitsuba 3 est profondément intégré à Python. Matériels,

  des textures, et même des algorithmes de rendu complets peuvent être développés en Python,

  que le système compile JIT (et éventuellement différencie) à la volée.

  Cela permet l'expérimentation nécessaire à la recherche en infographie et

  d'autres disciplines.

• Différenciation : Mitsuba 3 est un moteur de rendu différenciable, ce qui signifie qu'il

  peut calculer les dérivées de l'ensemble de la simulation par rapport à l'entrée

  des paramètres tels que la pose de la caméra, la géométrie, les BSDF, les textures et les volumes. Il

  implémente des algorithmes de rendu différenciables récents développés à l'EPFL.

• Spectral & Polarisation : Mitsuba 3 peut être utilisé comme monochromatique

  rendu, un rendu basé sur RVB ou un rendu spectral. Chaque variante peut

  éventuellement tenir compte des effets de polarisation si vous le souhaitez.

Vidéos tutorielles, documentation

Nous avons enregistré plusieurs vidéos YouTube qui fournissent une introduction douce

Mitsuba 3 et Dr Jit. Au-delà de cela, vous pouvez trouver des cahiers Juypter complets

couvrant une variété d'applications, de guides pratiques et de documentation de référence

sur readthedocs.

Installation

Nous fournissons des roues binaires précompilées via PyPI. Installer Mitsuba de cette façon est aussi simple que d'exécuter

 pip installer mitsuba

sur la ligne de commande. Le package Python comprend treize variantes par défaut :

• scalar_rgb

• scalar_spectral

• scalarspectralpolarized

• llvmadrgb

• llvmadmono

• llvmadmono_polarized

• llvmadspectral

• llvmadspectral_polarized

• cudaadrgb

• cudaadmono

• cudaadmono_polarized

• cudaadspectral

• cudaadspectral_polarized

Les deux premiers effectuent une simulation classique d'un rayon à la fois en utilisant soit un RVB

ou représentation spectrale des couleurs, tandis que les deux derniers peuvent être utilisés pour l'inverse

rendu sur le CPU ou le GPU. Pour accéder à des variantes supplémentaires, vous devrez

compilez une version personnalisée de Dr.Jit à l'aide de CMake. Veuillez consulter le

documentation

pour plus de détails à ce sujet.

Exigences

• Python >= 3.8

• (facultatif) Pour le calcul sur le GPU : Nvidia driver >= 495.89

• (facultatif) Pour le calcul vectorisé/parallèle sur le CPU : LLVM >= 11.1

Usage

Voici un exemple simple de « Hello World » qui montre à quel point il est simple de restituer un

scène utilisant Mitsuba 3 de Python :

 # Importez la bibliothèque en utilisant l'alias "mi" import mitsuba as mi# Définir la variante du renderermi.setvariant('scalarrgb')# Charger une scènecene = mi.loaddict(mi.cornellbox())# Rendre la scèneimg = mi. render(scene)# Écrit l'image rendue dans un fichier EXR mi.Bitmap(img).write('cbox.exr')

Des didacticiels et des exemples de cahiers couvrant une variété d'applications peuvent être trouvés

dans la documentation.

À propos

Ce projet a été créé par Wenzel Jakob.

Des fonctionnalités et/ou améliorations importantes du code ont été apportées par

Sébastien Speierer,

Nicolas Roussel,

Merlin Nimier-David,

Délio Vicini,

Tizian Zeltner,

Baptiste Nicolet,

Miguel Crespo,

Vincent Leroy, et

Ziyi Zhang.

Lorsque vous utilisez Mitsuba 3 dans des projets académiques, veuillez citer :

 @software{Mitsuba3,title = {Mitsuba 3 renderer},author = {Wenzel Jakob et Sébastien Speierer et Nicolas Roussel et Merlin Nimier-David et Delio Vicini et Tizian Zeltner et Baptiste Nicolet et Miguel Crespo et Vincent Leroy et Ziyi Zhang},note = {https://mitsuba-renderer.org},version = {3.1.1},année = 2022}

`