xxl

Ce document donne un aperçu de deux projets open source : XXL-SSO, un framework d'authentification unique distribué, et Mitsuba 3, un système de rendu orienté recherche. Les deux projets offrent une documentation complète et prennent en charge diverses plates-formes. fonctionnalités, installation et utilisation.

XXL-SSO

XXL-SSO, un framework d'authentification unique distribué.

-- Page d'accueil --

Introduction

XXL-SSO est un framework d'authentification unique distribué. Vous n'avez besoin de vous connecter qu'une seule fois pour accéder à tous les systèmes d'applications fiables.

Il dispose de fonctionnalités « légères, évolutives, distribuées, inter-domaines, accès au support Web + APP ».

Maintenant, c'est déjà du code open source, vraiment "prêt à l'emploi".

XXL-SSO est un framework d'authentification unique distribué. Vous n'avez besoin de vous connecter qu'une seule fois pour accéder à tous les systèmes d'applications mutuellement fiables.

Il présente les caractéristiques de « léger, distribué, inter-domaines, prend en charge à la fois Cookie+Token et Web+APP ». Désormais open source, prêt à l'emploi.

Documentation

Communication

Caractéristiques

Développement

Début 2018, j'ai créé l'entrepôt du projet XXL-SSO sur github et soumis le premier commit. J'ai ensuite réalisé le design de la structure du système, la sélection de l'UI, le design des interactions...

Le 05/12/2018, XXL-SSO a participé au concours « Logiciel open source chinois le plus populaire de 2018 », en compétition parmi plus de 10 000 projets open source nationaux qui avaient été soumis à ce moment-là, et s'est finalement classé 55e.

Le 23/01/2019, XXL-SSO a été sélectionné dans le « Classement des nouveaux logiciels open source 2018 du TOP 50 national » au 8e rang.

Jusqu'à présent, XXL-SSO a été connecté aux gammes de produits en ligne de nombreuses entreprises. Les scénarios d'accès incluent les activités de commerce électronique, les activités O2O et la configuration dynamique du middleware de base. Depuis le 15/03/2018, XXL-SSO a été connecté. Les entreprises comprennent, sans toutefois s'y limiter :

Les entreprises plus connectées sont invitées à s'inscrire à l'adresse d'enregistrement. L'inscription est uniquement destinée à la promotion des produits.

Tout le monde est invité à y prêter attention et à l'utiliser, XXL-SSO s'adaptera également aux changements et continuera à se développer.

Contribuer

Les contributions sont les bienvenues ! Ouvrez une pull request pour corriger un bug, ou ouvrez un problème pour discuter d'une nouvelle fonctionnalité ou d'un changement.

Bienvenue à contribuer au projet ! Par exemple, soumettez un PR pour corriger un bug ou créez un nouveau problème pour discuter de nouvelles fonctionnalités ou de modifications.

Droit d'auteur et licence

Ce produit est open source et gratuit, et continuera à fournir un support technique communautaire gratuit. Les utilisateurs individuels ou professionnels sont libres d'accès et d'utilisation.

Le produit est open source et gratuit, et un support technique communautaire gratuit continuera à être fourni. Il peut être librement consulté et utilisé par les particuliers ou les entreprises.

Faire un don

Peu importe le montant suffisant pour exprimer votre pensée, merci beaucoup :) Pour faire un don

Peu importe le montant, il suffit d'exprimer vos sentiments, merci beaucoup :) Allez faire un don

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.

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 Materials,

  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.

  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 manière est aussi simple que de l'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 scène = 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}