Ce n'est pas X1

Ce document fournit des informations sur SikuliX, un outil d'automatisation d'écran, et Mitsuba 3, un système de rendu orienté recherche. SikuliX utilise la reconnaissance d'images pour automatiser les actions du bureau, tandis que Mitsuba 3 offre un rendu hautes performances avec intégration et différentiabilité Python. Les deux projets détaillent l’installation, l’utilisation et les contributions.

En pause (non disponible) jusqu'en juillet 2024

Qu'est-ce que SikuliXSikuliX automatise tout ce que vous voyez sur l'écran de votre ordinateur de bureau

exécutant Windows, Mac ou certains Linux/Unix. Il utilise la reconnaissance d'image optimisée par OpenCV pour identifier

Composants de l'interface graphique et peuvent agir sur eux avec des actions de la souris et du clavier.

Ceci est pratique dans les cas où il n'y a pas d'accès facile aux composants internes d'une interface graphique ou

le code source de l'application ou de la page Web sur laquelle vous souhaitez agir. Plus de détails

Un grand merci pour le nouveau logo et toute l'aide avec la nouvelle page Web à @Waleed Sadek

2.0.6 (branche release_2.0.x) préparation de la sortie - instantanés disponibles

Dernier téléchargement : 17 avril 2023

Téléchargements directs de l'IDE

pour Windows < > pour macOS Intel < > pour macOS Silicon Mx < > pour Linux <

Vous obtenez des fichiers comme sikulixidemac-2.0.6-20210708.194940-1.jar, que vous pouvez placer où vous voulez et les renommer comme vous le souhaitez.

JAVA : doit être Java 11 ou version ultérieure (meilleurs endroits pour l'obtenir : Eclipse Temurin ou Azul)

OCR (macOS/Linux) : utilise désormais Tess4J/Tesseract 5 - préparez un Tesseract 5.x (tesseract s'exécute en ligne de commande)

Prise en charge d'OpenCV : Windows/macOS l'a fourni - pour Linux, vous devez le préparer vous-même

plus d'informations arriveront tôt ou tard ;-)

2.1.0 (branch master) actuellement inutilisable - développement suspendu

La dernière version stable est la 2.0.5 (fonctionne toujours avec Java 8, ne fonctionne pas sur les machines Mac mX)

Important : découvrez les modifications/problèmes/améliorations

Liste des correctifs

Préparez SikuliX à l’emploi

Pour une utilisation dans les projets Java Maven, les coordonnées de dépendance sont :

Mon environnement de développement

Les contributions sont les bienvenues et appréciées

Veuillez respecter les règles et directives suivantes lorsque vous contribuez

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}