Este documento fornece uma visão geral de dois projetos de código aberto: XXL-SSO, uma estrutura de logon único distribuído, e Mitsuba 3, um sistema de renderização orientado para pesquisa. Ambos os projetos oferecem documentação abrangente e suportam diversas plataformas. recursos, instalação e uso.
XXL-SSO
XXL-SSO, uma estrutura distribuída de logon único.
-- Página inicial --
Introdução
XXL-SSO é uma estrutura distribuída de logon único. Você só precisa fazer login uma vez para acessar todos os sistemas de aplicativos confiáveis.
Possui recursos de "acesso leve, escalonável, distribuído, entre domínios e suporte a Web + APP".
Agora, já é código-fonte aberto, verdadeiro “pronto para usar”.
XXL-SSO é uma estrutura de logon único distribuída. Você só precisa fazer login uma vez para acessar todos os sistemas de aplicativos mutuamente confiáveis.
Possui as características de "leve, distribuído, entre domínios, suporta Cookie+Token e Web+APP". Agora de código aberto, pronto para uso imediato.
Documentação
Comunicação
Características
Desenvolvimento
No início de 2018, criei o warehouse do projeto XXL-SSO no github e enviei o primeiro commit. Em seguida, realizei o design da estrutura do sistema, seleção da UI, design de interação...
Em 05/12/2018, XXL-SSO participou da competição "Software de código aberto chinês mais popular de 2018", competindo entre mais de 10.000 projetos nacionais de código aberto inscritos na época e, finalmente, ficou em 55º lugar.
Em 23/01/2019, XXL-SSO foi selecionado para o "2018 New Open Source Software Ranking of Domestic TOP 50", ficando em 8º lugar.
Até agora, o XXL-SSO foi conectado às linhas de produtos on-line de muitas empresas. Os cenários de acesso incluem negócios de comércio eletrônico, negócios O2O e configuração de middleware central dinâmico. A partir de 15/03/2018, o XXL-SSO foi conectado. As empresas incluem, mas não estão limitadas a:
Mais empresas conectadas podem se cadastrar no endereço de cadastro. O cadastro é apenas para promoção de produtos.
Todos são bem-vindos para prestar atenção e usar, o XXL-SSO também aceitará mudanças e continuará a se desenvolver.
Contribuindo
Contribuições são bem-vindas! Abra uma solicitação pull para corrigir um bug ou abra um problema para discutir um novo recurso ou mudança.
Bem-vindo a contribuir com o projeto! Por exemplo, envie um PR para corrigir um bug ou crie um novo problema para discutir novos recursos ou alterações.
Direitos autorais e licença
Este produto é de código aberto e gratuito e continuará a fornecer suporte técnico gratuito à comunidade. Usuários individuais ou empresariais podem acessar e usar gratuitamente.
O produto é de código aberto e gratuito, e o suporte técnico gratuito da comunidade continuará a ser fornecido. Ele pode ser acessado e utilizado gratuitamente por indivíduos ou empresas.
Doar
Não importa quanto o valor seja suficiente para expressar seu pensamento, muito obrigado :) Para doar
Não importa quanto seja o valor, basta expressar seus sentimentos, muito obrigado :) Vá doar
exemplo:
Renderizador Mitsuba 3
Documentação | Vídeos tutoriais | Linux | Mac OS | Windows | PyPI |
---|---|---|---|---|---|
️
Aviso
️
Existe actualmente uma grande quantidade de trabalho não documentado e instável em curso no
o branch master
. É altamente recomendável que você use nosso branch master.
último lançamento
até novo aviso.
Se você já deseja experimentar as próximas mudanças, dê uma olhada em
este guia de portabilidade.
Deve cobrir a maioria dos novos recursos e mudanças importantes que estão por vir.
Introdução
Mitsuba 3 é um sistema de renderização orientado para pesquisa para luz direta e inversa
simulação de transporte desenvolvida na EPFL na Suíça.
Consiste em uma biblioteca principal e um conjunto de plug-ins que implementam funcionalidades
variando de materiais e fontes de luz a algoritmos de renderização completos.
Mitsuba 3 é redirecionável : isso significa que as implementações subjacentes e
estruturas de dados podem ser transformadas para realizar várias tarefas diferentes.
Por exemplo, o mesmo código pode simular transporte RGB escalar (clássico de um raio por vez)
ou transporte espectral diferencial na GPU. Tudo isso se baseia.
Dr.Jit, um compilador just-in-time (JIT) especializado desenvolvido especificamente para este projeto.
Principais recursos
Plataforma cruzada : Mitsuba 3 foi testado em Linux ( x86_64
), macOS
( aarch64
, x8664
) e Windows ( x8664
).
Alto desempenho : o compilador Dr.Jit subjacente funde o código de renderização
em kernels que alcançam desempenho de última geração usando
um back-end LLVM direcionado à CPU e um back-end CUDA/OptiX
visando GPUs NVIDIA com aceleração de hardware de rastreamento de raio.
Python primeiro : Mitsuba 3 está profundamente integrado com Python Materials.
texturas e até mesmo algoritmos de renderização completos podem ser desenvolvidos em Python,
que o sistema compila JIT (e opcionalmente diferencia) em tempo real.
Isso permite a experimentação necessária para pesquisas em computação gráfica e
outras disciplinas.
Diferenciação : Mitsuba 3 é um renderizador diferenciável, o que significa que
pode calcular derivadas de toda a simulação em relação à entrada
parâmetros como pose de câmera, geometria, BSDFs, texturas e volumes.
implementa algoritmos de renderização diferenciáveis recentes desenvolvidos na EPFL.
Espectral e Polarização : Mitsuba 3 pode ser usado como monocromático
renderizador, renderizador baseado em RGB ou renderizador espectral Cada variante pode.
opcionalmente, considere os efeitos da polarização, se desejado.
Vídeos tutoriais, documentação
Gravamos vários vídeos no YouTube que fornecem uma introdução gentil
Mitsuba 3 e Dr.Jit Além disso você pode encontrar notebooks Juypter completos.
cobrindo uma variedade de aplicações, guias de instruções e documentação de referência
em readthedocs.
Instalação
Fornecemos rodas binárias pré-compiladas via PyPI. Instalar o Mitsuba desta forma é tão simples quanto executar.
pip instalar mitsuba
na linha de comando O pacote Python inclui treze variantes por padrão:
scalar_rgb
scalar_spectral
scalarspectralpolarized
llvmadrgb
llvmadmono
llvmadmono_polarized
llvmadspectral
llvmadspectral_polarized
cudaadrgb
cudaadmono
cudaadmono_polarized
cudaadspectral
cudaadspectral_polarized
Os dois primeiros realizam simulação clássica de um raio por vez usando um RGB
ou representação espectral de cores, enquanto os dois últimos podem ser usados para representação inversa
renderização na CPU ou GPU Para acessar variantes adicionais, você precisará.
compilar uma versão personalizada do Dr.Jit usando CMake. Consulte o.
documentação
para obter detalhes sobre isso.
Requisitos
Python >= 3.8
(opcional) Para computação na GPU: Nvidia driver >= 495.89
(opcional) Para computação vetorizada/paralela na CPU: LLVM >= 11.1
Uso
Aqui está um exemplo simples de "Hello World" que mostra como é simples renderizar um
cena usando Mitsuba 3 do Python:
# Importe a biblioteca usando o alias "mi"import mitsuba as mi# Defina a variante do renderermi.setvariant('scalarrgb')# Carregue uma cenas = mi.loaddict(mi.cornellbox())# Renderize a cenaimg = mi. render(scene)# Grave a imagem renderizada em um arquivo EXRmi.Bitmap(img).write('cbox.exr')
Tutoriais e cadernos de exemplo cobrindo uma variedade de aplicações podem ser encontrados
na documentação.
Sobre
Este projeto foi criado por Wenzel Jakob.
Recursos e/ou melhorias significativas no código foram contribuídos por
Sébastien Speierer,
Nicolas Roussel,
Merlin Nimier-David,
Délio Vicini,
Tizian Zeltner,
Baptiste Nicolet,
Miguel Crespo,
Vicente Leroy e
Zi Yi Zhang.
Ao usar o Mitsuba 3 em projetos acadêmicos, cite:
@software{Mitsuba3,title = {mitsuba 3 renderer},author = {Wenzel Jakob e Sébastien Speierer e Nicolas Roussel e Merlin Nimier-David e Delio Vicini e Tizian Zeltner e Baptiste Nicolet e Miguel Crespo e Vincent Leroy e Ziyi Zhang},nota = {https://mitsuba-renderer.org},versão = {3.1.1},ano = 2022}