論文の概要: PyBatchRender: A Python Library for Batched 3D Rendering at Up to One Million FPS

• arxiv url: http://arxiv.org/abs/2601.01288v1
• Date: Sat, 03 Jan 2026 21:19:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:22.167784
• Title: PyBatchRender: A Python Library for Batched 3D Rendering at Up to One Million FPS
• Title（参考訳）: PyBatchRender: 最大100万FPSのバッチ3DレンダリングのためのPythonライブラリ
• Authors: Evgenii Rudakov, Jonathan Shock, Benjamin Ultan Cowley,
• Abstract要約: PyBatchRenderは、ハイスループット、3DレンダリングのためのPythonライブラリである。 Panda3Dゲームエンジンをベースとして、成熟したエコシステムを生かし、性能を向上している。 専用ライブラリよりも柔軟性が高く、一般的なゲームエンジンラッパーよりもシンプルなセットアップを提供し、Madronaのような最先端のC++エンジンに匹敵するスピードを提供する。
• 参考スコア（独自算出の注目度）: 0.32116198597240847
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reinforcement learning from pixels is often bottlenecked by the performance and complexity of 3D rendered environments. Researchers face a trade-off between high-speed, low-level engines and slower, more accessible Python frameworks. To address this, we introduce PyBatchRender, a Python library for high-throughput, batched 3D rendering that achieves over 1 million FPS on simple scenes. Built on the Panda3D game engine, it utilizes its mature ecosystem while enhancing performance through optimized batched rendering for up to 1000X speedups. Designed as a physics-agnostic renderer for reinforcement learning from pixels, PyBatchRender offers greater flexibility than dedicated libraries, simpler setup than typical game-engine wrappers, and speeds rivaling state-of-the-art C++ engines like Madrona. Users can create custom scenes entirely in Python with tens of lines of code, enabling rapid prototyping for scalable AI training. Open-source and easy to integrate, it serves to democratize high-performance 3D simulation for researchers and developers. The library is available at https://github.com/dolphin-in-a-coma/PyBatchRender.
• Abstract（参考訳）: ピクセルからの強化学習は、しばしば3Dレンダリング環境のパフォーマンスと複雑さによってボトルネックとなる。 研究者は高速で低レベルなエンジンと遅い、よりアクセスしやすいPythonフレームワークのトレードオフに直面している。 PyBatchRenderは、高スループットでバッチ化された3DレンダリングのためのPythonライブラリで、単純なシーンで100万FPS以上を達成する。 Panda3Dゲームエンジン上に構築され、その成熟したエコシステムを利用し、最大1000倍のスピードアップのために最適化されたバッチレンダリングによってパフォーマンスを向上させる。 PyBatchRenderは、ピクセルからの強化学習のための物理に依存しないレンダラーとして設計されており、専用ライブラリよりも柔軟性が高く、一般的なゲームエンジンラッパーよりもシンプルなセットアップを提供し、Madronaのような最先端のC++エンジンと競合する速度を提供する。 ユーザは、数行のコードでPythonで完全にカスタムシーンを作成できるため、スケーラブルなAIトレーニングのための高速なプロトタイピングが可能になる。 オープンソースで簡単に統合でき、研究者や開発者にとって高性能な3Dシミュレーションを民主化するのに役立ちます。 このライブラリはhttps://github.com/dolphin-in-a-coma/PyBatchRenderで入手できる。

関連論文リスト

• MeshSplatting: Differentiable Rendering with Opaque Meshes [59.240722437975755]
  メッシュベースの再構成手法であるMeshSplattingを提案する。 Mip-NeRF360では、メッシュベースの新規ビュー合成のために現在の最先端のMiLoよりもPSNRを+0.69dB向上させる。
  論文  参考訳（メタデータ） (2025-12-07T12:31:04Z)
• PromptVFX: Text-Driven Fields for Open-World 3D Gaussian Animation [49.91188543847175]
  フィールド予測タスクとして3Dアニメーションを再構成し、3Dガウスに作用する時間変化の4Dフロー場を推定するテキスト駆動フレームワークを導入する。 大規模言語モデル(LLM)と視覚言語モデル(VLM)を関数生成に活用することにより,任意のプロンプトを解釈し,色,不透明度,位置をリアルタイムで更新する。
  論文  参考訳（メタデータ） (2025-06-01T17:22:59Z)
• Speedy-Splat: Fast 3D Gaussian Splatting with Sparse Pixels and Sparse Primitives [60.217580865237835]
  3D Gaussian Splatting (3D-GS)は、3D Gaussian のパラメトリック点雲としてシーンをモデル化することで、新しいビューをリアルタイムにレンダリングすることのできる最近の3Dシーン再構築技術である。 レンダリング速度を大幅に向上させるために、3D-GSにおける2つの重要な非効率を同定し、対処する。 われわれのSpeedy-Splatアプローチはこれらの技術を組み合わせて、Mip-NeRF 360、Turps & Temples、Deep Blendingのデータセットから得られる、劇的な$mathit6.71timesで平均レンダリング速度を加速する。
  論文  参考訳（メタデータ） (2024-11-30T20:25:56Z)
• Blendify -- Python rendering framework for Blender [31.334130573156937]
  BlendifyはPythonベースのフレームワークで、シームレスにBlenderと統合できる。 オブジェクト生成を自動化し、色とマテリアルリンクを扱い、シャドーキャッチャーオブジェクトのような機能を実装する。
  論文  参考訳（メタデータ） (2024-10-23T13:29:02Z)
• SlicerChat: Building a Local Chatbot for 3D Slicer [0.0]
  3D Slicerは3Dデータ視覚化と分析のための強力なプラットフォームだが、新しいユーザーにとって大きな学習曲線がある。 このプロジェクトでは,3D Slicer関連の質問に答えるために最適化されたSlicerChatシステムを構築している。 サイズ1.1B、7B、13Bのモデルは、低階適応を用いて微調整された。 3DスライダドキュメンテーションのさまざまなソースがRetrieval Augmented Generationパラダイムで使用するためにコンパイルされた。
  論文  参考訳（メタデータ） (2024-06-05T03:32:06Z)
• PockEngine: Sparse and Efficient Fine-tuning in a Pocket [62.955793932377524]
  さまざまなエッジデバイスで微調整が可能な,小型でスパースで効率的なエンジンであるPockEngineを紹介します。 PockEngineはスパースバックプロパゲーションをサポートし、測定メモリの節約とレイテンシの削減でモデルをスパース更新する。 注目すべきなのは、PockEngineはNVIDIA Jetson AGX OrinのLLaMav2-7Bを550トークン/秒で微調整できることだ。
  論文  参考訳（メタデータ） (2023-10-26T19:46:11Z)
• VRKitchen2.0-IndoorKit: A Tutorial for Augmented Indoor Scene Building in Omniverse [77.52012928882928]
  INDOORKITはNVIDIA OMNIVERSEの組み込みツールキットである。 屋内シーンビルディング、シーンランダム化、アニメーションコントロールのための柔軟なパイプラインを提供する。
  論文  参考訳（メタデータ） (2022-06-23T17:53:33Z)
• UV Volumes for Real-time Rendering of Editable Free-view Human Performance [35.089358945669865]
  UV Volumesは、人間のパフォーマーの編集可能なフリービュービデオをリアルタイムでレンダリングするアプローチである。 高周波(非滑らかな)人間のテクスチャを3次元ボリュームから取り除き、2次元のニューラルテクスチャスタックにエンコードすることで実現される。 CMU Panoptic、ZJU Mocap、H36Mデータセットの実験は、我々のモデルが40fpsで900×500画像をレンダリングできることを示しています。
  論文  参考訳（メタデータ） (2022-03-27T21:54:36Z)
• PyTorchVideo: A Deep Learning Library for Video Understanding [71.89124881732015]
  PyTorchVideoは、ビデオ理解タスクのためのオープンソースのディープラーニングライブラリである。 マルチモーダルデータローディング、変換、モデルを含む、ビデオ理解ツールのフルスタックをカバーする。 ライブラリはPyTorchをベースにしており、任意のトレーニングフレームワークで使用することができる。
  論文  参考訳（メタデータ） (2021-11-18T18:59:58Z)
• Accelerating 3D Deep Learning with PyTorch3D [22.780262046044736]
  3Dへの拡張は、自動運転車、バーチャルおよび拡張現実、3Dコンテンツのオーサリング、さらには2D認識の改善など、多くの新しい応用を推し進める可能性がある。 PyTorch3Dは,3次元深層学習のためのモジュール型,効率的,微分可能な演算子ライブラリである。 メッシュとポイントクラウドの高速でモジュール化された差別化が可能で、分析バイシンセサイザーが可能である。
  論文  参考訳（メタデータ） (2020-07-16T17:53:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。