导读:本文包含了渲染平台论文开题报告文献综述及选题提纲参考文献，主要关键词:电影制作,国际电影,电影市场,动漫制作,苏州市,发展试点,起手,展会,全产业链,网络科技
渲染平台论文文献综述
安仲,文体旅[1]（2019）在《迈入国际电影制作产业“蓝海”》一文中研究指出苏报讯（安仲 文体旅）近日，文化和旅游部发布2019年度“一带一路”文化产业和旅游产业国际合作重点项目公示名单。苏州创意云网络科技有限公司“蓝海创意云平台”渲染云服务项目榜上有名，成为全国45个项目之一。作为高新区文化“软实力”输出的代表性企业，(本文来源于《苏州日报》期刊2019-09-19）
毛成宇[2]（2018）在《GPU集群云渲染平台负载均衡与优化管理算法》一文中研究指出近年来,虚拟仿真的叁维场景渲染日益成为计算机图形学中的一个热点方向。具有实时交互功能的3D场景渲染在虚拟现实,动画电影,身临其境的游戏等方面具有广阔的应用前景。本文首先对于当今主流的PC集群云渲染平台中所用到的技术进行了系统的概述,同时也分析了云渲染平台的一些发展中的优劣点,并通过国内外的一些具体例子来进行了阐述,具体介绍了以往主打的CPU渲染技术向GPU技术的过渡,同时也介绍了云渲染中负责渲染绘制的主体GPU集群所使用的并行渲染技术架构体系。然后对本文所使用的编程工具和针对光线追踪算法而使用的CUDA以及Optix光线跟踪引擎进行了介绍。本文重点对GPU集群负载均衡技术展开了具体的分析和讨论,类比分析了关于负载均衡技术所产生的意义,从负载不均衡现象反面推出了解决服务器上负载分配调度的重要性,由于集群作业任务调度策略有多种不同的划分方式,本文详细从典型的调度策略入手以此深入的讲解了负载均衡调度的主流算法。最后,本文为了论证所研究的云端GPU集群渲染能力和提出的负载均衡算法的可行性和适用性,设计实现了能够运行的并行绘制服务器端GPU集群绘制系统,针对集群的负载均衡问题,展开了对任务调度策略的研究,并通过对以往出现的负载均衡策略分析进行总结,然后利用计算机图形学中连续性来预测时间和光线追踪中的递归深度相结合的策略,提出了动态预测递归深度的负载均衡算法。该算法首先通过统计前帧绘制时间来对叁维场景进行初始化剖分,然后依据统计数值和渲染中的二次光线递归情况对后续渲染任务进行自趋动态划分,从而避免了因为负载不均衡现象而造成的集群系统渲染性能震荡的问题。根据实验结果表明:基于该负载均衡策略的GPU集群绘制系统能够对叁维实时渲染的性能和效率产生很大的提升,因此本文对GPU集群云渲染平台负载均衡的研究将对叁维渲染行业在今后的发展起到一定的推动作用。(本文来源于《长春理工大学》期刊2018-06-01）
彭文卓[3]（2018）在《粉丝经济成了圈钱游戏？》一文中研究指出近日，新晋爱豆（偶像）范丞丞和微博合作，尝试了“明星V+会员”制，也就是说粉丝要点开看到他的高清大图，得先付费60元成为半年会员。媒体报道称，一夜之间有8万粉丝买单480万元。这是一张照片的价格，更是粉丝经济的生动写照。在一些人看来，从早年购买(本文来源于《工人日报》期刊2018-05-16）
王建华[4]（2018）在《Windows平台下图形渲染引擎的实现》一文中研究指出近年来,人们对于3D游戏画面的要求越来越高,因此需要好的游戏引擎,为了提高对于3D游戏引擎的理解,动手制作一款简化的3D游戏引擎是必要的。一款优秀的3D游戏引擎往往是一个优秀的团队完成的,并非是一人之力所能完成的。鉴于这个现实情况,只实现3D游戏引擎的基础图形部分。(本文来源于《现代计算机(专业版)》期刊2018年08期）
林菁[5]（2017）在《基于Android平台作物3D模型渲染方法的实现》一文中研究指出作物叁维模型渲染是农业信息化领域的研究热点。目前,作物的叁维模型渲染多数是基于PC端。但在智能设备迅速发展的今天,人们希望能够在移动端有良好的视觉体验,因此本文通过对一些渲染算法移植,从而实现这一目标。其中的关键问题是如何将这些算法进行改进使其适应移动端低带宽、低功耗的需求。本研究以作物叁维模型为研究对象,在详细分析其原理、实现过程后,基于Android平台结合OpenGL ES图形库实现了作物叁维模型的渲染。主要内容如下:(1)实现了作物叁维点云的重建算法,获取了叁维模型。针对本设计输入的点云是精简去噪的点云,且其来自一个扫描设备或多个扫描设备的特点,选取适合该叁维点云的重建算法—贪婪投影算法对玉兰树和玉米植株等多种作物进行重建,获得了很好的重建效果。通过与泊松重建算法对比,针对植物等散乱叶片的点云数据,虽然贪婪投影算法效率低于泊松重建算法约20.61%,但是能够体现植物的拓扑结构,而泊松重建虽然时间效率高,但出现冗余面。(2)实现了移动端叁维模型的显示。针对叁维模型如何在移动端显示的问题,本文采用了应用广泛的3D标准文件类型—STL文件保存获取到的叁维模型。使用OpenGL ES在Android Studio上实现叁维模型的获取,实验结果表明该读取方式可以对STL文件读取并显示,且显示位置自适应于手机屏幕。(3)实现了以光照为核心的移动端叁维模型的渲染。针对模型不够真实,视觉效果不佳的问题,本文对模型进行了局部光照处理和全局光照处理。局部光照处理采用Phong氏光照模型,很好的模拟了高光效果;全局光照处理采用光线跟踪算法,很好的模拟了光照下的阴影效果。在网格面达到85436时,移动端依然可以实现渲染,渲染时间为36.24分。本文还对该方法进行了功能性测试和普适性测试。实验基于斯坦福Bunny密集点云数据对该方法进行功能性测试,选取八组数量不同的点云数据进行渲染对比,测试用例表明模型表面的光滑程度会对渲染结果造成影响,当点云数量少于3305时,高光面有明显的缺损;选取不同类型的叁维模型进行普适性测试,测试用例表明该方法可以实现多种模型的渲染。通过以上两方面的测试,结果表明该方法实现了预期的功能,且能够广泛使用。(本文来源于《西北农林科技大学》期刊2017-05-01）
刘尧,葛水英,李志超[6]（2016）在《基于嵌入式Linux平台的集群渲染系统设计实现》一文中研究指出在计算机图形学的影视动漫产业中,3D图形渲染始终是影响制作周期和成本的主要因素。对于小型工作室或动漫企业而言,自行构建一个具有商业渲染能力的集群渲染系统,需要大量的成本投入和高端的技术支持。针对以上问题,采用常用智能设备和开源软硬件,提出了一种基于嵌入式Linux平台的集群渲染系统构建方案。主要包括软硬件选择、操作系统移植安装和配置、硬件架构搭建、制作3D场景文件进行渲染测试。测试结果验证了该系统的可行性,且其运行良好,不影响渲染质量。(本文来源于《电子科技》期刊2016年03期）
蔡艳,郑志强[7]（2015）在《基于云计算技术渲染平台的架构与实现》一文中研究指出目前国内大多数的渲染农场采用的是集群渲染技术。为了追求更快的渲染速度,渲染农场只有不断的地增加系统中软硬件资源,随之而来的问题是系统失效的概率也势必逐渐增大。系统发生错误将会给用户造成巨大的损失。集群渲染系统目前主要存在以下问题:1负载不均衡;2缺乏足够的灵活性;3软件及功能插件种类繁多且更新速度快;4系统运维管理困难且安全性不高;5存储I/O性能瓶颈。云计算具有高性能计算、海量存储、弹性部署等特征,架构于云计算技术的云渲染平台为以上为题提供了解决方案。大幅提高了影视动画项目渲染阶段工作效率。(本文来源于《通讯世界》期刊2015年23期）
吴晓瑜,宋倩倩[8]（2015）在《基于云计算的分布式视频渲染服务平台》一文中研究指出本文提出了一种基于云计算的分布式视频渲染服务平台设计方法,利用云计算技术实现基础资源虚拟化管理,从而整合分散物理计算资源,实现资源动态分配和弹性管理;同时利用云计算的并行处理能力,实现视频渲染的任务并行渲染,为其分配相应的虚拟计算处理单元,达到视频渲染的效率优化。(本文来源于《广播电视信息》期刊2015年04期）
李淼淼[9]（2015）在《GlusterFS分布式存储系统在云渲染平台中的应用研究》一文中研究指出渲染是将模型生成图像的过程,在渲染任务的整个过程中,渲染节点需要不断的和存储节点进行数据交互,当渲染系统中的集群规模越大时,存储系统的I/O并发数据处理负载越大。所以存储系统的I/O性能和数据的可靠性对渲染系统的任务执行具有非常大的影响,存储性能低下将直接影响渲染任务的效率。本课题从渲染系统的计算特点出发,构建具有适用于渲染平台的高性能存储系统,其主要的研究内容如下:(1)云渲染平台是24小时不间断服务平台,从渲染平台特点出发,分析适合于云渲染平台的高性能分布式存储系统,其需满足平台不停服弹性扩展,且能实现平台数据的高速读写需求。(2)从元数据中心服务器出发,分析中心化和去中心化分布式存储系统的架构特点和数据操作特性,将GlusterFS分布式系统应用于云渲染平台,研究如何通过灵活的模块化设计和有效的弹性卷分布构建出适用于云渲染平台的存储系统,并对其进行性能优化。(3)GlusterFS文件系统提供了统一命名空间、高性能、高可用、高扩展的数据存储解决方案,但是只面向Linux和Unix的内核模块及软件,本课题将研究通过标准文件协议访问存储系统,并将CTDB与文件系统结合,实现更加简便高效的高可用分布式存储系统。(4)GlusterFS在诸多方面都具有突出的优势,但是由于结构特点,存储系统本身不具备负载均衡功能,为了提高系统整体性能,将负载均衡技术LVS/DR应用于系统中,满足系统的大规模高并发数据访问。目前各个渲染服务提供者都在研究尝试各种存储解决方案,如何设计出一个合理高效的存储方案仍需要不断的尝试和实践。本课题的研究内容基于实际的应用出发,将GlusterFS存储应用于渲染领域,对其优越性和可行性进行实践验证,并通过实践提出一些性能优化措施。但是对于一个高效、安全、可靠的存储系统来说,本研究还不够,系统中数据服务器节点的监控、数据压缩、数据一致性等仍需要继续研究。(本文来源于《江苏科技大学》期刊2015-03-20）
曹永正[10]（2014）在《集群渲染系统远程提交平台的设计与实现》一文中研究指出随着计算机叁维图像技术的广泛应用和动漫产业的蓬勃发展,叁维场景的规模不断增大、场景内容也变得更复杂,在完成叁维场景制作后利用图形工作站渲染作业时显得力不从心,容易造成时间瓶颈,极大地影响了动画制作和应用。为了提高渲染效率,减少动画制作周期,集群渲染系统应运而生。目前,科研机构、高校、企业等动漫制作或教学科研实体使用集群渲染系统越来越普及,集群渲染系统的应用也越来越广泛。某校根据学科发展和教学科研的需求,于前几年购置了一套集群渲染系统,并为此建立了专业的集群渲染实验室,由专人负责管理维护。师生渲染作业时,需要带齐工程文件以及材质图片等相关文件进入集群渲染实验室,在管理技术人员的安排下,经过上传、提交、渲染、下载等流程完成渲染任务。然而,由于我院几个校区分布在不同区域,使得师生使用集群渲染系统不太方便。针对于某校不同校区间的师生异地使用集群渲染系统的问题,本文探讨了基于校园网的集群渲染系统远程提交平台的设计与实现,通过ASP技术、VC语言技术、数据库技术等多种手段的相互融合,搭建了基于Enfuzion的集群渲染系统远程提交平台。在此平台上,教师和学生利用校园网络,根据账户权限,通过WEB方式进入到远程提交平台,打包提交所需渲染的作业,下载渲染结果,实现了校园网用户的集群渲染系统远程提交功能,有效解决了不同校区间师生的实时、便捷的渲染要求,提高了效率,带来了方便。(本文来源于《河北工业大学》期刊2014-11-01）
渲染平台论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,虚拟仿真的叁维场景渲染日益成为计算机图形学中的一个热点方向。具有实时交互功能的3D场景渲染在虚拟现实,动画电影,身临其境的游戏等方面具有广阔的应用前景。本文首先对于当今主流的PC集群云渲染平台中所用到的技术进行了系统的概述,同时也分析了云渲染平台的一些发展中的优劣点,并通过国内外的一些具体例子来进行了阐述,具体介绍了以往主打的CPU渲染技术向GPU技术的过渡,同时也介绍了云渲染中负责渲染绘制的主体GPU集群所使用的并行渲染技术架构体系。然后对本文所使用的编程工具和针对光线追踪算法而使用的CUDA以及Optix光线跟踪引擎进行了介绍。本文重点对GPU集群负载均衡技术展开了具体的分析和讨论,类比分析了关于负载均衡技术所产生的意义,从负载不均衡现象反面推出了解决服务器上负载分配调度的重要性,由于集群作业任务调度策略有多种不同的划分方式,本文详细从典型的调度策略入手以此深入的讲解了负载均衡调度的主流算法。最后,本文为了论证所研究的云端GPU集群渲染能力和提出的负载均衡算法的可行性和适用性,设计实现了能够运行的并行绘制服务器端GPU集群绘制系统,针对集群的负载均衡问题,展开了对任务调度策略的研究,并通过对以往出现的负载均衡策略分析进行总结,然后利用计算机图形学中连续性来预测时间和光线追踪中的递归深度相结合的策略,提出了动态预测递归深度的负载均衡算法。该算法首先通过统计前帧绘制时间来对叁维场景进行初始化剖分,然后依据统计数值和渲染中的二次光线递归情况对后续渲染任务进行自趋动态划分,从而避免了因为负载不均衡现象而造成的集群系统渲染性能震荡的问题。根据实验结果表明:基于该负载均衡策略的GPU集群绘制系统能够对叁维实时渲染的性能和效率产生很大的提升,因此本文对GPU集群云渲染平台负载均衡的研究将对叁维渲染行业在今后的发展起到一定的推动作用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
渲染平台论文参考文献
[1].安仲,文体旅.迈入国际电影制作产业“蓝海”[N].苏州日报.2019
[2].毛成宇.GPU集群云渲染平台负载均衡与优化管理算法[D].长春理工大学.2018
[3].彭文卓.粉丝经济成了圈钱游戏？[N].工人日报.2018
[4].王建华.Windows平台下图形渲染引擎的实现[J].现代计算机(专业版).2018
[5].林菁.基于Android平台作物3D模型渲染方法的实现[D].西北农林科技大学.2017
[6].刘尧,葛水英,李志超.基于嵌入式Linux平台的集群渲染系统设计实现[J].电子科技.2016
[7].蔡艳,郑志强.基于云计算技术渲染平台的架构与实现[J].通讯世界.2015
[8].吴晓瑜,宋倩倩.基于云计算的分布式视频渲染服务平台[J].广播电视信息.2015
[9].李淼淼.GlusterFS分布式存储系统在云渲染平台中的应用研究[D].江苏科技大学.2015
[10].曹永正.集群渲染系统远程提交平台的设计与实现[D].河北工业大学.2014