3DS Max基础教程:VRay集中式渲染

来源:优德体育手机登录-中国设计媒体,汇聚设计,分享设计    时间:2011-01-05    站内收藏

前言概述
1.什么是集中式渲染(Distrbutded Rendering)
集中式渲染是一种能够把单帧图象的渲染分布到多台微电脑(或多个CPU)上渲染的一种网络渲染技术。有许多长法可以实现这种技术,主要的思路是把单帧划分成不同的区域。由各个微电脑或CPU分别单纯计算。常用的长法是把静帧划分成许多小区域(Buckets)。每台微电脑都渲染组成部分buckets,最后把这些buckets合并成一张大的图象。VRay就是说用的这种做法。

 

2.VRay的实现
VRay通过TCP/IP协议实现集中式渲染的网络联接,不需要任何附加的程序或目录共享。集中式渲染的管理分成两个部分:劳务端和客户端。

 

3.客户端
客户端是指用户现在正在使用的那台微电脑。它把单帧划分成许多小的渲染区域(bucket)并把它传给劳务端去计算。整个渲染过程由客户端来管理和组织。在客户端微电脑上。有一个用户界面来管理网络上的劳务端——指定哪些推进器介入计算哪些不介入——并控制推进器端的动静。每当一个渲染区域(bucket)计算完毕。客户端上显示出这块bucket,并发送另一块bucket给空下来的推进器计算(当然如果有的话)。

 

4.劳务端
劳务端就是说渲染推进器啦,望文生义,就是说网络上供给计算劳务的真正在干苦力的微电脑们。它们渲染每个bucket,并计算结果送回客户端。它们的动静也由客户端监控。

 

工作环境
要向实现VRay集中式渲染,必须用户处于广域网之内,并有多台微电脑通过推进器链接且都能相互访问。(图01)

 

图01

实际操作
1.在A机器新建一个文件夹选项,右击把文件夹选项设为共享文件夹选项,并勾选容许网络用户更改文件。(图02)

 

图02

 

小提示:这一步是为了向B,C。D,E机器供给互相访问。被共享的文件夹选项名字一定要为英文字母表或数字。

 

2.打开你已经做完的3ds Max文件,然后点win10激活工具按钮使用资源细胞培养废液收集器,把你场景里面所有的贴图和光域网连同Max文件一起导出到你刚才树立的共享文件夹选项内。(图03)

 

图03

 

警告:导出3ds Max文件名怎么改。所有贴图的文件名怎么改和光域网名一定要为英文字母表,归因于网络路径不能识别中文路径,否则集中式渲染出来就会丢失贴图和引致出错。

 

3.现在咱们重新打开刚才的导出的3ds Max文件。(图04)

 

图04

小提示:请务必遵照中图分类号查询官网操作打开所在的Max文件,归因于集中式渲染每一步骤都非常严谨。

 

4.咱们把刚才导出的3ds Max文件用网络路径打开后,现在来设置所有材质的贴图路径,具体长法按下Shift+T把资源追踪器打开,刷新一番然后把原来贴图路径变为网络贴图路径。(图05)

 

图05

 

小提示:我这里只是为了做教程,所以只展示三个贴图路径设置,实际一个场景有很多贴图的。

 

5.下一场咱们按F10打开渲染面板。把VRay渲染面板的渲染参数都设置好。最重要的是要在VRay系统子面板里面勾选集中式渲染,然后添加A,B,C,D。E机器的微电脑名,或者是直接添加成每台机器的IP地址,然后按下剖解推进器按钮检查是否都已连接。据了解推进器最多添加255台多了的用不了。(图06)

 

图06

 

小提示:添加推进器的时候可以把本机A机器添加跻身。

 

6.现在万事具备只欠东风了,下一场咱们把所有的推进器(B,C,D,E机器)上的Launch VRay DR spawner打开。然后回到A机器按下渲染按钮,你过一会就眼见渲染区域划分组成部分给其它机器工作了,那么我就祝贺你完事了,尽情的欢悦吧。

 

如果每台机器都是双核CPU的话,那么遵照咱们A,B,C,D。E五台机器算的话,就会有10个渲染划分区在跳动,就会当一台10CPU的机器了,以此类推如果每台是4核的话,或者是多几台机器的话,可以想象的到那速度是喝口水的功夫3d还是一眨眼的功夫3d呢?

 

可以不用再本机A机器上打开VRay DR,这样你的机器就不会卡,不会反响其它操作。

 

注意一:保存和读取光子文件的时候,请务必也用网络路径,并且文件名怎么改要是英文字母表名。

 

注意二:批处理渲染的时候也需要做到网络路径,出图路径也是网络路径,文件名怎么改也需英文字母表名。

 

好了。如果遵照我教程上所讲的。那么软件就会相对稳定,不会出中印边界问题。谢谢大家仔细阅读!

本文来源:优德体育手机登录-中国设计媒体,汇聚设计,分享设计

作者:cpcool
相关阅读
    正在加载...
推荐图文
    栏目ID=的表不设有(操作类型=2)
Baidu