布料动态质感更写实！AI加持的实时布料模拟最新技术
制作高质量的布料模拟仍然是目前CG技术中最具挑战的工作之一。众所周知，布料模拟在CG制作流程中很常用，但实际写实度很差且精度普遍偏低。如果大家仔细看很多动漫或者3D动画电影中的布料，质感基本都一个样子，过度拉伸，材质光滑，都是绸缎的感觉，超级Q弹，即使纹理是棉麻但表现的动态效果也像绸子一样，区分不出是什么材质的布料。
现在市面也有很多基于机器学习的方法的布料模拟，主要是通过神经网络将离线模拟器中的布料模拟结果进行记忆，然后采用类似查表的方法快速预测出高精度的布料模拟结果，从而用更少的时间换来更优良的模拟效果，但弊端是所需的内存更大且存在不稳定性。
在此基础上，研究人员提出了一种使用图神经网络、多级消息传递和无监督训练实时布料模拟的新方法，该方法称为HOOD。此方法能够为很多类型的布料生成动态运动，包括裙子连衣裙这种流动较强的服装。
考虑到了体型并适用于任何类型的服装，它在推理时还能处理拓扑和材质属性的变化。研究人员提出了一种分层消息传递方案，可有效地解决布料拉伸时僵硬的问题，同时保留局部细节，所呈现出的效果更加真实。
基于传统学习方法的物理模拟器计算成本很高，方法虽合理，但存在几个弊端：1.只能模拟出训练的特定布料，无法模拟出从未训练的新型布料。2.对不紧跟身体类型的布料，在自由流动时二次建模受到限制。3.第三，它们是整体模型，不能处理布料局部结构变化的拓扑，如：拉链、纽扣的解开。
在此项工作中，研究人员更加关注并解决布料的细节，这样，可以模拟任意类型的服装，包括在训练中从未见过的布料。另外，由于此方法不依赖于线性混合蒙皮，它可以自动回归模拟松散自由流动的布料运动。
与以往不同，基于局部图的办法能够为动态变化的拓扑结构的布料建模，并模拟不同的材质，而不需要重新训练。
使用分层图消息传递神经网络来扩展网格图网络，将布料表示为一个图，在每个时间步骤中，根据空间上的接近性，在布料和身体节点之间增加新的边，在图上运行固定数量的消息传递来做处理，然后为布料的每个节点生成加速度。
以往的方法由于固定数量的消息传递步骤，传递的信号在一个时间步骤中只能穿越固定数量的边。单个时间步长这种固定且有限的传播半径导致布料过度拉伸，与真实运动所产生的布料变化有所偏颇。研究人员通过构建具有多级远程边和多级消息传递架构的分层图来解决这一个问题，更加注重布料在动力学中产生的变化。
研究人员用新方法扩展了物理公式，摩擦项，并以无监督的方式训练模型，无需数据生成的耗时阶段。
新的方法与之前相比较而言，此方法不依赖于线性混合蒙皮，因此它能够更好地模拟不遵循基础身体模型布料的二次运动。
请注意，此结果是通过单个网络生成的，而之前的方法需要为每件布料训练一个新模型。
同时，新方法不依赖于布料的整体几何形状，因此它能够最终靠单个网络运用到各种服装，以下为使用单一的网络对所有布料进行动态建模。
最后，使用FoldSketch方法（FoldSketch是一种基于草图的褶皱设计方法,利用物理引擎模拟,不再用繁琐的制版和垂衣制作的步骤,让生成褶皱的过程更快捷高效。）结果来演示模型如何运用到完全未见过的新型布料，并使用Blender手动创建另一件长裙。
此方法也能够对不一样的材质制成的布料进行建模，以下动态地改变肩部贴片的弯曲系数，使其更加坚硬。所显示的结果，更真实的显现服装受动力学影响所产生的真实褶皱。
在推理时操纵布料的尺寸，以模拟紧身和松身的服装。注意布料尺寸的变化所影响的褶皱变化。
此方法也可以对现实世界的布料进行建模，以下为三维扫描中手动提取衣服网格，然后用模型和默认材质参数进行模拟。
综上所述，研究人员提出了一种新颖的服装动态建模方法，该办法能够运用到各种布料类型，包括未见过的布料，同时能对拓扑结构一直在变化的布料进行建模。
可以处理动态变化的材质和尺寸，并且在没有一点物理模拟数据的情况下以无监督的方式来进行训练。
以上，就是小SOMO为大家所分享的内容了！感兴趣的可以在油管中观看此视频哦！附上地址：
我服了！大神用ZBrush3D还原2D神级操作！迪士尼味可线分形插件Machina Fractals来啦！
美国紧急向中东增派兵力！外媒：伊朗和黎预计在“多条战线”袭击以色列
