数据科学家应该了解的 OpenUSD 知识

作为数据科学家，我们不断寻求能够使我们高效处理和分析数据的工具和框架。在这篇博文中，我们将探索 OpenUSD，这是一个强大的框架，它超越了其在计算机图形学中的传统用途，并为数据科学管道提供了令人兴奋的可能性。

OpenUSD，或通用场景描述 (Universal Scene Description)，提供了一个通用且可扩展的平台，用于管理和处理复杂的模型数据。它可以表示多种数据类型，并增强各个领域的数据集。

让我们深入探讨数据科学家应该了解的 OpenUSD，以及它如何能够增强他们的数据处理工作流程。

通用数据建模

OpenUSD 引入了一个统一的数据模型，使数据科学家能够有效地表示和操作复杂的 3D 数据结构。使用 USD，对象数据可以组织成分层场景图。这种分层结构在处理大规模数据集或复杂数据依赖关系时特别有用。

进入 OpenUSD 生态系统还可以轻松共享和重用数据。OpenUSD 中的数据源可以更轻松地集成到一个聚合视图中，该视图可以包含来自其他文件格式的内容。

文件格式插件

USD 文件格式插件提供了一种方法，可以在保持现有数据集处于当前格式的同时，利用 OpenUSD 的强大功能。文件格式插件可以实时读取文件格式并将其转换为 OpenUSD 数据。

例如：在 3D 数据科学中，Wavefront OBJ 文件因其 3D 网格数据而广受欢迎，并且有大量使用该格式的数据集。通过像 Adobe 最近开源的 OBJ 文件格式插件 这样的 OBJ 文件格式插件，您可以引用现有的 OBJ 数据并在 OpenUSD 中对其进行组合，以添加或覆盖属性，或将其用于场景组装。下面的 kitchen.usd 展示了一个使用 OBJ 模型组合厨房场景的示例，其中包含茶壶和桌子。茶壶在场景中的位置被覆盖，以旋转它并将其放在桌子上方。

kitchen.usd

#usda 1.0
(
    defaultPrim = "World"
    metersPerUnit = 1.0
    upAxis = "Z"
)

def Xform "World"
{
    def "teapot" (prepend references = @./utah_teapot.obj@)
    {
        float3 xformOp:rotateXYZ = (0, 0, 45.0)
        float3 xformOp:scale = (1, 1, 1)
        double3 xformOp:translate = (0, 0, 1.0)
        uniform token[] xformOpOrder = ["xformOp:translate", "xformOp:rotateXYZ", "xformOp:scale"]
    }
    def "table" (prepend references = @./table.obj@) { }
}

可组合性

OpenUSD 在可组合场景描述方面表现出色。这主要体现在两个方面：场景聚合和渐进式精炼或增强。场景聚合涉及引用来自不同来源的众多 3D 资产，并以非破坏性方式将它们组装成一个更大的场景。您可以修改引用的 3D 资产，并且组装也将反映这些更改。渐进式精炼允许您从一个粗糙、信息量少的资产开始，然后逐步、非破坏性地添加细节或更改参数，以将其从粗糙到精细进行进一步优化。

回顾一下前面提到的 OBJ 网格示例，您可以仅从 OBJ 获取网格数据，然后使用 OpenUSD 添加物理材质属性、语义标签和其他辅助方面，例如地理空间属性。在此示例中，通过使用子层来组合精炼，以添加不同类型的细节到我的资产中。

teapot.usd

#usda 1.0
(
    defaultPrim = "World"
    metersPerUnit = 1.0
    upAxis = "Z"
    subLayers = [
        @./semantic_labels.usd@
        @./materials.usd@
        @./utah_teapot.obj@
    ]
)

def Xform "World"
{
}

像这样构建数据集使其具有极高的可移植性和模块化。它还允许您提高数据源的保真度和质量。

我可以共享带有所有属性的网格，或者我可以静音或删除与不同管道无关的层。 SimReady 规范 是这些原则在当今实践中的一个例子。

自定义管道

OpenUSD 的 Hydra 框架为数据科学家提供了创建 自定义数据处理和分析管道 的能力。Hydra 允许将业务逻辑实现为可自定义的运行时场景索引链。这种将数据处理与特定运行时环境分离的做法，使数据科学家能够在自己的数据科学工作流程中利用 USD 的强大功能。

可扩展性

OpenUSD 的关键优势之一是其可扩展性。数据科学家可以通过创建自己的场景委托 (scene delegates) 和渲染委托 (render delegates) 来扩展 OpenUSD 的功能。这意味着任何能够响应场景委托提供的查询的场景图都可以被使用，从而在集成各种数据源和格式方面提供了灵活性。

OpenUSD 也可通过自定义 模式 (schemas) 进行扩展。当数据科学家开始将他们数据模型的概念映射到 OpenUSD 时，他们可能会发现并非所有概念都能直接映射，并且翻译为 OpenUSD 中的现有概念可能不合适。当数据科学家识别出概念数据映射差距时，他们可以将新概念形式化为可以立即利用的新模式。

随着模式的成熟，鼓励数据科学家与其他组织和机构共享他们的模式，并让模式经历完整的模式旅程，以便进行审查、发布和标准化。NVIDIA 提出的 语义模式提案 就是一个很好的例子，旨在标准化 3D 资产的语义标记，用于合成数据生成。

通过 Hydra 2.0 进行过程化处理

Hydra 2.0 通过引入场景索引的过程化处理，将 OpenUSD 的功能提升到一个新的水平。这使得数据科学家能够通过多个管道步骤处理场景索引链，从而实现更复杂和可定制的工作流程。借助 Hydra 2.0，数据科学家可以迭代和优化他们的管道，从而更容易地尝试不同的数据处理技术。场景索引插件也是可移植的，因此您可以在 OpenUSD 应用程序之间共享其模块化的业务逻辑。

OpenUSD 为数据科学家提供了一个强大而通用的框架，用于管理和处理复杂的模型数据。其统一的数据模型、可扩展性和通用性使其成为数据科学工作流程和管道的宝贵框架。通过在通用数据建模（通过模式插件）和 Hydra 2.0 中的运行时内核方面进行扩展，OpenUSD 使数据科学家能够有效地处理和分析大规模数据集，从而实现更快、更具可扩展性的计算。作为数据科学家，探索和利用 OpenUSD 等工具至关重要，以充分发挥我们数据驱动型工作的潜力。

越来越多的 工具和应用程序 已经支持 OpenUSD 的导入和导出。开发者可以在 NVIDIA 的 OpenUSD 文档 中学习如何为他们的应用程序添加 OpenUSD 支持，该文档包括入门步骤、指导性学习内容和技术参考。

要访问更多资源并开始使用 OpenUSD，请访问 NVIDIA 的 通用场景描述 (Universal Scene Description) 页面。通过 免费下载标准许可证 开始使用 NVIDIA Omniverse。

通用场景描述联盟 (The Alliance for OpenUSD, AOUSD) 是一个独立的非营利组织，致力于通过 OpenUSD 促进 3D 内容的互操作性。了解更多信息并 立即成为会员。