

Apa yang sedang terjadi di $RENDER Discord, apa yang sedang dibahas di saluran-saluran saat ini? Mari kita telusuri 🧵👇🏻👇🏻👇🏻🧵 🧵 general @tokai_spy bertanya di mana bisa mendapatkan saran untuk "restir engine" milik mereka, tetapi alat/product yang dimaksud dan saluran dukungan yang tepat tidak jelas. ⭕️ @tokai_spy bertanya saluran mana yang tepat untuk menerima panduan tentang "restir engine" milik mereka. Tidak ada respons tim atau detail teknis yang diberikan dalam pesan saat ini, sehingga permintaan ini kemungkinan memerlukan klarifikasi routing terlebih dahulu. ❗ Fokus untuk tim: klarifikasikan apa yang dimaksud @tokai_spy dengan "restir engine" dan arahkan mereka ke saluran dukungan/bantuan yang tepat untuk saran teknis.

Menanggapi pertanyaan tentang agen otonom yang membuat adegan di Blender dan berapa lama lagi AI dapat menyelesaikan serangkaian adegan tanpa interaksi manusia: "Claude 3.7 sudah bisa melakukannya, tetapi adegannya belum bagus. Memberikannya ke vtv + frame pertama sebagai referensi gaya dapat menghasilkan hasil yang menjanjikan. Saat ini ini belum sepenuhnya siap untuk produksi, tetapi ini merupakan langkah penting menuju ke sana. Saya melihat banyak manfaat langsung begitu Luma, ltx, wan, dan lainnya berhasil mengaktifkan v2v penuh—kemudian kita bisa mengirimkan output frame tugas render ke proses ini untuk pekerjaan post / comp dalam 2.5d dengan kendali artistik penuh serta semua keuntungan dari path tracing juga" @JulesUrbach 13.03.25 $RENDER

Apa yang sedang terjadi di $RENDER Discord, apa yang sedang dibahas di saluran-saluran saat ini? Mari kita telusuri 🧵👇🏻👇🏻👇🏻🧵 🧵 general Ekspansi Render dari rendering GPU ke komputasi AI sedang diposisikan sebagai mesin permintaan kedua potensial selain seniman 3D. ⭕️ @psalmist0919 bertanya kepada @530441868945653771 apakah beban kerja AI pada akhirnya bisa menjadi sepenting rendering itu sendiri bagi Render. Poin utamanya: beralih dari rendering GPU tradisional ke komputasi AI dapat membuka jaringan kepada basis pelanggan yang lebih luas di luar seniman 3D. Konteks historis: pertanyaan ini sejalan dengan diskusi jaringan sebelumnya mengenai perluasan permintaan komputasi. Anggota tim Sunny sebelumnya membagikan RNP-019, yang mengusulkan perluasan emisi dan imbalan untuk mencakup komputasi AI dan beban kerja umum selain rendering. Baru-baru ini, anggota tim Silvia memperkenalkan RNP-021, yang membangun arah tersebut dengan mengusulkan dukungan untuk GPU kelas enterprise seperti NVIDIA H100/H200 dan seri AMD MI300 untuk pelatihan AI, generasi video, dan model gambar berskala besar. ❗ Fokus tim: menjelaskan bagaimana Render mengharapkan keseimbangan permintaan antara beban kerja 3D/rendering yang ada dan komputasi AI/umum di masa depan, termasuk metrik apa yang akan menunjukkan apakah beban kerja AI menjadi pendorong utama penggunaan jaringan.

NeRF adalah format perantara yang sangat penting yang menghubungkan ruang laten (AI) dan ruang ray tracing—tetapi tujuannya adalah mengonversi NeRF menjadi model graf adegan penuh (mesh, volume, atau lebih berguna—SDF/Vectron) untuk komposabilitas dan kecepatan penuh—namun dengan neural rendering yang masuk dalam roadmap, kami juga berencana untuk merender NeRF dan objek yang dihasilkan AI secara langsung tanpa konversi apa pun—sehingga kami dapat menerapkan efek dan operator AI—ini sangat mirip dengan cara kami melakukan Vectron (SDF), yang merupakan shader kode murni untuk mesh, volume, dan operator komposisi graf adegan—node neural rendering akan bekerja sangat mirip seperti itu” @JulesUrbach 18.11.22 $RENDER

Apa yang sedang terjadi di Discord $RENDER, apa yang sedang dibahas di saluran-saluran saat ini? Mari kita telusuri 🧵👇🏻👇🏻👇🏻🧵 🧵 rnp-024-forth Tekanan utama: kekesalan atas eksekusi RNP yang lambat versus upaya untuk membuat usulan ini meningkatkan kecepatan implementasi. ⭕️ @a28z menyampaikan kekhawatiran bahwa implementasi RNP masih bisa berjarak “2–3 tahun lagi”, menyebut kecepatan saat ini sebagai hal yang konyol dan mengatakan bahwa RNPs “memakan waktu sangat lama.” Kekhawatiran konkret bukan terkait isi RNP-024 itu sendiri, tetapi terkait jadwal dari tata kelola hingga implementasi, serta apakah perubahan yang disetujui benar-benar dirilis cukup cepat. ⭕️ @rshea menjawab bahwa mereka “berusaha mengubah hal itu dengan usulan ini,” memposisikan RNP-024 sebagai upaya untuk mengatasi masalah penundaan, bukan mengulanginya. Konteks relevan: @rshea sebelumnya telah menyuarakan kekhawatiran lebih luas tentang jadwal Render dan fungsi jaringan yang tertunda, termasuk dalam diskusi RNP sebelumnya, sehingga tanggapan ini sesuai dengan dorongan jangka panjang untuk jadwal yang lebih realistis dan fokus pada eksekusi yang lebih baik. ❗ Fokus bagi tim: jelaskan apa saja perubahan operasional yang dibawa RNP-024 untuk mengurangi penundaan implementasi, siapa yang bertanggung jawab atas eksekusi setelah disetujui, dan apakah ada jadwal target atau milestone selain jendela 2–3 tahun yang saat ini ditakuti.
