Mitsuba 2:オープンソースの物理ベースレンダラ

5年前にオープンソースの物理ベースレンダラ「Mitsuba」でちょっと遊んでみたことがあった↓



Siggraph Asia 2019Mitsuba 2が発表されたらしい↓

Mitsuba 2: A Retargetable Forward and Inverse Renderer



現代のレンダリングシステムは、増大し続ける様々な要求に直面しています:
写実性を追求するための物理ベーステクニックでは、スペクトル構成や偏光など光の複雑な特性をますます考慮しなければなりません。
レンダリング時間を短縮するためのベクトル化レンダラでは、CPU、GPU命令レベルで一貫した並列処理が必要です。
Differentiable Rendering(微分可能なレンダリング)アルゴリズムでは、目的関数を最適化するためにシミュレーションの微分値を伝播させる必要があります。(例:参照画像からシーンを再構築するなど)

これらの多様なユースケースに対応するのは困難であり、多くの専用システムが別々に開発されてきました。困難な理由は、これらの複雑な機能を既存のレンダラーに後付けしようとするとエラーが発生したり、基本データ構造、コンポーネント間のインターフェイス、その実装(つまり全て)に侵入的変換を伴うからです。

そこで、前述した様々な用途に対応可能な汎用的なレンダラ Mituba 2を提案します。
Mitsuba 2は最新のC ++で実装されており、テンプレートメタプログラミングを活用し、型の置き換えやコンポーネント(BSDF、ボリューム、エミッター、レンダリングアルゴリズムなど)の制御フローを計測します。そしてコンパイル時に、算術、データ構造、関数ディスパッチを自動的に変換し、汎用アルゴリズムを手作業による再設計無しでそれぞれに効率的な実装に変換します。
変換可能なのは、色の表現の変更、ライトパスのバンドルで動作する「ワイド」レンダラーの生成、GPUで実行される計算カーネルを作成するジャストインタイムコンパイル、自動微分のフォワード/リバースモードです。これらの変換は連鎖させることができ、 単一の汎用実装からアルゴリズムを派生させてさらに充実させることができます。

Mitsuba 2のバイナリやコード自体はまだ公開されていないみたい。

2020年3月 追記新しい公式ページソースコードドキュメントが公開されたぞ↓

Mitsuba 2



Mitsuba 2は、研究指向のリターゲティング可能なレンダリングシステムで、EnokiライブラリをベースにポータブルC++17で記述されています。EPFL(スイス連邦工科大学)Realistic Graphics Labが開発しています。

Mitsuba 2は、色の扱い(RGB、スペクトル、モノクロ)、ベクトル化(scalar, SIMD, CUDA)、Differentiable Rendering(微分可能なレンダリング)など、様々な形態でコンパイルできます。

Mitsuba 2は、小さなコアライブラリセットと、マテリアルと光源、レンダリングアルゴリズムまで幅広く実装した様々なプラグインで構成されています。Mitsuba 2は、以前のバージョンMitsuba 0.6のシーンとの互換性を維持するよう努めています。

以前のMitsubaはバージョン0.6という扱いなのね。
ソースコードはGitHubにある↓
https://github.com/mitsuba-renderer/mitsuba2

ドキュメントはこちら
https://mitsuba2.readthedocs.io/en/latest/src/getting_started/intro/

Mitsuba 0.6との違いのページを読むと理解が早いかもしれん。
Pythonバインディングもあり、PyTorchと組み合わせることもできるみたい。
differentiable rendering (微分可能レンダリング)で早く遊びたいぞ。


Mitsuba 2のプロジェクトページが公開された直後に皆さん反応されていてすごいですね↓
https://qiita.com/syoyo/items/1afb885092d1768c66f8
http://masafumi.cocolog-nifty.com/masafumis_diary/2019/09/post-1677e3.html

追記:Siggraph Asia 2019のセッション動画が公開された↓



だいぶレンダラのパラダイムも変わってきたな。CGもあらゆるプロセスがDifferentiable(微分可能)になっていく感じがする。
Siggraph Asia 2019ではDifferentiable Renderingというセッションが設けられているみたい。

追記:BlenderからMitsubaフォーマットのシーンファイルをエクスポートするアドオンもある↓

Mitsuba 2 Blender Add-On



BlenderのシーンをMitsuba 2のファイルフォーマットにエクスポートするアドオンです。

個人的に、2019年はCG関連のディープラーニング(というか微分可能)の動向が熱かった。


CGのためのディープラーニング
もう半年前のことですが、昨年12月に東京国際フォーラムで開催されたSiggraph Asia 2018 Tokyoで聴講したCourse CreativeAI:Deep Learning for Graphicsの復習を(今頃)しておこうか...

Kaolin:3Dディープラーニング用のPyTorchライブラリ
NVIDIAから3D系のディープラーニング研究のためのPyTorchライブラリが公開された。まだベータ版だから、これからどんどん充実していくんでしょうね。読み方はカオリンで良いのかな?(なんかかわいい)KaolinKaolinは3Dディープ...


追記:Mitsubaは現在バージョン3が登場しています↓
Mitsuba 3:オープンソースの研究向けレンダラ
オープンソースの研究用レンダラMitsubaのバージョン2が発表されたのが3年ほど前。次のバージョンのMistuba 3が発表されました↓Mitsuba 3: A Retargetable Forward and Inverse Rende...

関連記事

ZBrushのお勉強

布地のシワの法則性

Multi-View Environment:複数画像から3次元形状を再構築するライブラリ

CGALDotNet:計算幾何学ライブラリ CGALのC#ラッパー

GAN (Generative Adversarial Networks):敵対的生成ネットワーク

ManimML:機械学習の概念を視覚的に説明するためのライブラリ

DCGAN (Deep Convolutional GAN):畳み込みニューラルネットワークによる敵...

Open3D:3Dデータ処理ライブラリ

TVML (TV program Making language)

PeopleSansPeople:機械学習用の人物データをUnityで生成する

ZBrushの作業環境を見直す

オーバーロードとオーバーライド

OpenCVのバージョン3が正式リリースされたぞ

ポリゴンジオメトリ処理ライブラリ『pmp-library (Polygon Mesh Process...

LLM Visualization:大規模言語モデルの可視化

Iridescence:プロトタイピング向け軽量3D可視化ライブラリ

映画『シン・ウルトラマン』 メイキング記事まとめ

ZBrush用トポロジー転送プラグイン『ZWrap Plugin for ZBrush』

タマムシっぽい質感

C++ 標準テンプレートライブラリ (STL)

OpenCVの顔検出過程を可視化した動画

フォトンの放射から格納までを可視化した動画

粘土をこねるようなスカルプトモデリング

Shader.jp:リアルタイム3DCG技術をあつかうサイト

ArUco:OpenCVベースのコンパクトなARライブラリ

書籍『3次元コンピュータビジョン計算ハンドブック』を購入

PythonでMayaのShapeノードプラグインを作る

AmazonEC2のインスタンスをt1.microからt2.microへ移行する

Google Colaboratoryで遊ぶ準備

Verilog HDL

BlenderのPython環境にPyTorchをインストールする

OpenCV 3.1とopencv_contribモジュールをVisual Studio 2015で...

Pythonの自然言語処理ライブラリ『NLTK(Natural Language Toolkit)』

GoogleのDeep Learning論文

JavaによるCGプログラミング入門サイト (日本語)

Netron:機械学習モデルを可視化するツール

OpenCVで顔のランドマークを検出する『Facemark API』

OANDAのfxTrade API

DensePose:画像中の人物表面のUV座標を推定する

『シン・ゴジラ』のコンセプトアニメーションのメイキング動画が公開された

HerokuでMEAN stack

ZBrushでUndo Historyを動画に書き出す

コメント