塞多納

`html

本文檔概述了 Apache Sedona 和 Mitsuba 3，這兩個不同的專案分別專注於空間運算和渲染。 Apache Sedona 是一個用於大規模資料分析的強大空間運算引擎，而 Mitsuba 3 是一個以研究為導向的渲染系統，提供高效能和可微分性。這兩個項目都提供廣泛的文檔和社群支援。

加入社區

在 Twitter 上關注 Sedona 以獲取最新消息：Sedona@Twitter

加入 Sedona Discord 社群：

加入塞多納每月社區辦公時間：Google 日曆，太平洋時間週二上午 8 點至上午 9 點，每 4 週一次

Sedona JIRA：錯誤、拉取請求和其他類似問題

Sedona 郵件清單：[email protected]：專案開發、一般問題或教學。

阿帕契塞多納是什麼？

Apache Sedona™ 是一種空間運算引擎，可讓開發人員在 Apache Spark 和 Apache Flink 等現代叢集運算系統中輕鬆處理任何規模的空間資料。

Sedona 開發人員可以使用Spatial SQL、Spatial Python 或Spatial R 來表達他們的空間資料處理任務。空間數據。

特徵

Apache Sedona 的一些主要功能包括：

這些是 Apache Sedona 的一些關鍵功能，但它可能會根據特定版本和配置提供其他功能。

點擊並立即播放互動式 Sedona Python Jupyter Notebook！

何時使用塞多納？

使用案例：

Apache Sedona 是一種廣泛使用的空間資料處理框架，它有許多不同的用例和應用程式。 Apache Sedona 的一些主要用例包括：

程式碼範例：

此範例將 AWS S3 上以 .CSV 檔案形式儲存的紐約市計程車行程記錄和計程車區域資訊載入到 Sedona 空間資料幀中。然後，它對計程車行程資料集執行空間 SQL 查詢，以過濾掉除紐約曼哈頓地區之外的所有記錄。此範例還顯示了一個空間連接操作，該操作根據計程車行程是否位於區域的地理範圍內將計程車行程記錄與區域進行匹配。最後，最後一個程式碼片段將 Sedona 與 GeoPandas 的輸出集成，並繪製兩個資料集的空間分佈。

從 AWS S3 上儲存的 CSV 檔案載入紐約市計程車行程和計程車區域數據

空間 SQL 查詢僅傳回曼哈頓的計程車行程

計程車資料框和區域資料框之間的空間連接以查找每個區域中的計程車

使用 GeoPandas 顯示載入的空間資料幀的地圖

Docker映像

我們為 Apache Sedona 提供了一個帶有 Python JupyterLab 和單節點叢集的 Docker 映像。這些映像可在 DockerHub 上取得

建設塞多納

要安裝 Python 套件：

編譯原始碼請參考Sedona網站

原始碼中的模組

文件

請訪問 Apache Sedona 網站以了解詳細信息

供電

例子：

三葉渲染器 3

文件	教學影片	Linux	蘋果系統	視窗	皮伊

️

警告

️

目前，大量無證且不穩定的工作正在進行

master分支。我們強烈建議您使用我們的

最新版本

直至另行通知。

如果您已經想嘗試即將發生的更改，請查看

本移植指引。

它應該涵蓋大部分新功能和即將到來的重大變化。

介紹

Mitsuba 3 是一款以研究為導向的前向光和反向光渲染系統

瑞士洛桑聯邦理工學院 (EPFL) 開發的交通模擬。

它由一個核心庫和一組實現功能的插件組成

從材質和光源到完整的渲染演算法。

Mitsuba 3 是可重定向的：這意味著底層實作和

資料結構可以轉換以完成各種不同的任務。為了

例如，相同的程式碼可以模擬標量（經典的一次一束）RGB 傳輸

或 GPU 上的差分光譜傳輸。這一切都建立在

Dr.Jit，專為此專案開發的專用即時(JIT) 編譯器。

主要特點

• 跨平台：Mitsuba 3 已在 Linux ( x86_64 )、macOS 上進行測試

  （ aarch64 、 x8664 ）和 Windows ( x8664 )。

• 高效能：底層Dr.Jit編譯器融合渲染程式碼

  進入內核，使用實現最先進的性能

  針對 CPU 的 LLVM 後端和 CUDA/OptiX 後端

  針對具有光線追蹤硬體加速功能的 NVIDIA GPU。

• Python優先：Mitsuba 3與Python深度整合。材料，

  紋理，甚至完整的渲染演算法都可以用Python開發，

  系統即時編譯（並可選擇區分）。

  這使得電腦圖形學研究所需的實驗成為可能

  其他學科。

• 差異化：Mitsuba 3 是一個可微分渲染器，這表示它

  可以計算整個模擬相對於輸入的導數

  參數，例如相機姿態、幾何形狀、BSDF、紋理和體積。它

  實作了 EPFL 最近開發的可微分渲染演算法。

• 光譜和偏振：Mitsuba 3 可用作單色儀

  渲染器、基於 RGB 的渲染器或光譜渲染器。每個變體都可以

  如果需要的話，可以選擇考慮極化的影響。

教學影片、文檔

我們錄製了幾個 YouTube 視頻，提供了溫和的介紹

三葉 3 和 Dr.Jit。除此之外，您還可以找到完整的 Juypter 筆記本

涵蓋各種應用程式、操作指南和參考文檔

閱讀文檔。

安裝

我們透過 PyPI 提供預編譯的二進位輪。以這種方式安裝三葉就像運行一樣簡單

pip安裝三葉

在命令列上。 Python 套件預設包含 13 個變體：

• scalar_rgb

• scalar_spectral

• scalarspectralpolarized

• llvmadrgb

• llvmadmono

• llvmadmono_polarized

• llvmadspectral

• llvmadspectral_polarized

• cudaadrgb

• cudaadmono

• cudaadmono_polarized

• cudaadspectral

• cudaadspectral_polarized

前兩個使用 RGB 執行經典的一次一光模擬

或光譜顏色表示，而後兩者可用於反演

在 CPU 或 GPU 上渲染。要存取其他變體，您需要

使用 CMake 編譯 Dr.Jit 的自訂版本。請參閱

文件

有關詳細資訊。

要求

• Python >= 3.8

• （可選）對於 GPU 上的計算： Nvidia driver >= 495.89

• （可選）對於 CPU 上的向量化/平行計算： LLVM >= 11.1

用法

這是一個簡單的「Hello World」範例，展示了渲染一個

使用 Python 中的 Mitsuba 3 的場景：

 # 使用別名「mi」導入庫 import mitsuba as mi# 設定渲染器的變體mi.setvariant('scalarrgb')# 載入場景scene = mi.loaddict(mi.cornellbox())# 渲染場景img = mi. render (scene)# 將渲染影像寫入EXR檔案mi.Bitmap(img).write('cbox.exr')

可以找到涵蓋各種應用程式的教學和範例筆記本

在文檔中。

關於

該專案由 Wenzel Jakob 創建。

程式碼的重要功能和/或改進由以下人員貢獻

賽巴斯蒂安·施派爾,

尼古拉斯·羅塞爾，

梅林·尼米爾-大衛，

德里奧·維西尼,

蒂齊安·澤爾特納,

巴蒂斯特·尼科萊特,

米格爾·克雷斯波,

文森·勒羅伊，和

張子怡.

在學術課程中使用 Mitsuba 3 時，請引用：

 @software{Mitsuba3，標題= {Mitsuba 3 渲染器}，作者= {Wenzel Jakob 和Sébastien Speierer 和Nicolas Roussel 和Merlin Nimier-David 和Delio Vicini 和Tizian Zeltner 和Baptiste Nicolet 和Miguel Crespo 和Vincent Leroy 和Ziyi Zhu}，註= {https://mitsuba-renderer.org}，版本 = {3.1.1}，年份 = 2022}

`