Introduction
L'équipe de Makie annonce l'intégration d'un pipeline de ray tracing physique basé sur GPU, appelé RayMakie et Hikari, directement dans Makie. Cela permet de rendre les scènes 3D avec un réalisme photographique, en exploitant les capacités de calcul des GPU pour offrir une illumination globale, des médias volumétriques, un rendu spectral et des matériaux physiquement basés.
Contexte Technique
Le mécanisme de ray tracing de Makie repose sur Hikari, une implémentation Julia du moteur de rendu physique pbrt-v4. Hikari prend en charge le rendu spectral, les médias volumétriques participant, les matériaux physiquement basés et l'éclairage environnemental/soliel. Le moteur d'intersection de rayons est hébergé dans Raycore.jl, un package autonome basé sur le SDK Radeon Rays d'AMD et HIPRT. RayMakie relie Hikari au graphe de scène de Makie, permettant aux utilisateurs de construire des scènes avec les appels standard de Makie et de les rendre avec des effets photoréalistes.
Analyse et Implications
L'intégration du ray tracing physique dans Makie a des implications significatives pour les chercheurs et les scientifiques qui travaillent avec des données 3D complexes. Elle élimine le besoin d'exporter des maillages et d'apprendre de nouveaux outils, permettant une interaction fluide entre l'exploration interactive des scènes et leur rendu photoréaliste. Les applications potentielles incluent la visualisation de nuages pour la recherche climatique, la modélisation de plantes pour l'agriculture et la visualisation de structures de protéines pour la biologie. Les exemples de démonstration, tels que Breeze pour le rendu de nuages volumétriques et PlantGeom pour la modélisation de plantes, montrent le potentiel de cette technologie pour améliorer la compréhension et la communication des données scientifiques.
Perspective
Alors que RayMakie et Hikari ne sont pas encore officiellement publiés, les développeurs prévoient de publier des versions officielles dans les semaines à venir. Les utilisateurs peuvent déjà explorer les capacités de la technologie via les scripts de démonstration et les scènes disponibles sur GitHub. Il sera important de surveiller les progrès de cette technologie, en particulier en termes de performances, de compatibilité avec différents matériaux et de facilité d'utilisation pour les chercheurs non spécialistes en infographie. Les applications potentielles dans divers domaines scientifiques et la capacité à rendre les données complexes plus accessibles et compréhensibles pour un large public sont des aspects clés à suivre.
