借助NVIDIA GPU,Dabarti Studio释放了创造力与生产力,速度、品质和盈利能力皆显著提高。
图像由 Dabarti Studio 提供
Dabarti Studio于2009年成立,旨在制作高品质的CGI静图和动画,其大多数作品都通过Shutterstock和Getty Images等免版税图库代理公司销售。Dabarti的业务范畴还包括定制CGI静图和动画的创作、合成和调色,以及现场服务和VFX特效指导。
技术限制影响Dabarti竞争力
图像由 Dabarti Studio 提供
Dabarti制作的CGI静图和动画主要投放于免版税市场,该市场竞争激烈,艺术家和代理公司为吸引和留住客户各显神通,而精良的制作正是留住客户的关键。
“早期我们依靠基于CPU的渲染。这种渲染虽然有效,但为了做到面面俱到我们不得不来回折腾,在此过程中免不了许多尝试与出错,因为我们必须在完成一些工作后等待渲染,做出更改,然后以非交互式方式按需重复操作。”Dabarti创始人兼创意总监Tomasz Wyszolmirski解释道。
部署NVIDIA GPU实现效率飞跃
图像由 Dabarti Studio 提供
NVIDIA Maxwell GPU重新点燃了Dabarti使用GPU渲染的希望。2015年1月,Dabarti Studio在现有的工作站中安装并测试完NVIDIA GPU。
对于产品级渲染,他们构建了有四块NVIDIA GPU显卡的渲染服务器,还迁移到V-Ray GPU,以便实时查看物体、材质和光线的更新效果。
Dabarti还采用了新上市的NVIDIA卡。当前的工作站使用NVIDIA Pascal架构的GPU显卡处理渲染问题,而其当前的渲染服务器配备了四块NVIDIA GPU显卡,且新工作站使用了两块NVIDIA Quadro GP100 GPU。使用两块支持NVIDIA NVLink的NVIDIA Quadro GP100 GPU后,Dabarti可以轻松处理超大型场景。
Wyszolmirski表示:“在让软件按我们希望的方式运行时,出现了一些小问题,此外我们还必须考虑新的工作流程。即便如此,我们还是发现速度、交互性和真实感随即出现质的飞跃。例如,工作流程速度提高了4-6倍…… 而且这还只是个开端。我们还发现,与竞争性产品相比,NVIDIA GPU的速度要快三倍。”
NVIDIA GPU提高速度、品质和盈利
GPU渲染改变了工作流程,用户能够以交互方式看到效果,而无需像使用CPU渲染一样耗时等待。这种实时反馈提高了品质和真实感,同时缩减了时间和成本。
例如,使用CPU渲染动画时,每帧成本为40美分,而使用GPU渲染时,每帧成本仅需10美分。这是因为与CPU渲染相比,GPU渲染的场景设置时间缩减了60-70%,而速度提高了4-6倍。
“使用NVIDIA Quadro GP100 GPU后,我们可以完全自由地专注于创作,不必担心系统反应不过来。此渲染方法显著提高了我们的画质,客户们都注意到了这个变化。我们发现收益增加了30-40%,除了现有的免版税工作以外,我们接到的客户项目也越来越多。收益增加,成本降低,这意味着我们的利润更丰厚。客户青睐我们的作品,而我们则为收益感到高兴。”Wyszolmirski最后总结说道。
-
cpu
+关注
关注
68文章
11326浏览量
225862 -
显卡
+关注
关注
17文章
2523浏览量
71714
原文标题:NVIDIA GPU如何让图像和动画“活”起来?
文章出处:【微信号:NVIDIA-Enterprise,微信公众号:NVIDIA英伟达企业解决方案】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
NVIDIA向Kubernetes社区捐赠动态资源分配GPU驱动程序
罗氏正与NVIDIA深化合作以加速药物研发突破
借助NVIDIA CUDA Tile IR后端推进OpenAI Triton的GPU编程
RSoft GPU加速技术重塑光子元件设计效率革命
NVIDIA RTX PRO 5000 Blackwell GPU的深度评测
NVIDIA RTX PRO 4000 Blackwell GPU性能测试
NVIDIA RTX PRO 5000 72GB Blackwell GPU现已全面上市
NVIDIA Omniverse基于Container的部署推流方案
在Python中借助NVIDIA CUDA Tile简化GPU编程
NVIDIA RTX PRO 2000 Blackwell GPU性能测试
NVIDIA Isaac Lab多GPU多节点训练指南
OpenAI和NVIDIA宣布达成合作,部署10吉瓦NVIDIA系统
NVIDIA RTX PRO 4500 Blackwell GPU测试分析
NVIDIA桌面GPU系列扩展新产品
使用NVIDIA Triton和TensorRT-LLM部署TTS应用的最佳实践
部署NVIDIA GPU实现效率飞跃
评论