注：ACM SIGGRAPH是迄今為止世界上影響最廣、規(guī)模最大，也是最權(quán)威的集科學、技術(shù)、藝術(shù)、商業(yè)于一身的圖形學技術(shù)展示和學術(shù)會議。自1974年首屆會議以來，已舉辦50屆，每年有上萬專家學者參加。SIGGRAPH制定了非常嚴格的論文評審流程，每篇文章需要至少5名相關(guān)專家提供詳細評審意見，平均錄用率在20-30%左右，ACM SIGGRAPH 2023接收投稿論文近700篇，錄用212篇。
Style3D此次6篇論文成功入選 SIGGRAPH 2024，并將在7月底的會議現(xiàn)場發(fā)表，入選所占比例之高，進一步證實了Style3D在SIGGRAPH這一國際頂級學術(shù)平臺上所展現(xiàn)的科研實力。也側(cè)面體現(xiàn)Style3D正以創(chuàng)新技術(shù)引領(lǐng)行業(yè)發(fā)展，成為行業(yè)的標桿和領(lǐng)跑者。
此次6篇論文，以圖形學+AI技術(shù)結(jié)合研究，從多材質(zhì)的高仿真效果提升、AI實現(xiàn)部分自動化工序到AI增強3D效果、與AR/MR中的交互提升，涵蓋前端設(shè)計到后端營銷展示的全鏈路場景的技術(shù)研究，且所有前沿技術(shù)研究，在未來都將于Style3D全套工具中落地應(yīng)用。
以下是6篇論文的部分詮釋：
A Dynamic Duo of Finite Elements and Material Points
有限元與材料點的動態(tài)組合
本文介紹了一種集成有限元方法(FEM)和材料點方法(MPM)的新方法，用于增強多材料系統(tǒng)的仿真。有限元法傳統(tǒng)上用于對布匹等拉格朗日固體建模，而材料點法則擅長模擬雪和沙粒等發(fā)生顯著變形和拓撲變化的材料。我們方法的核心是混合隱式-顯式時間積分(IMEX)策略。盡管隱式 FEM 和顯式 MPM 對時間步長的要求不同，但它們可以在同一框架內(nèi)共存，從而確保準確的雙向耦合。
●此項研究將為未來的多材料仿真研究奠定基礎(chǔ)，有可能推動沙地或雪地等極端環(huán)境中防護服的仿真。
Automatic Digital Garment Initialization from Sewing Patterns
從縫制樣板自動初始化數(shù)字服裝
隨著數(shù)字時尚和生成式人工智能技術(shù)的快速發(fā)展，需要一種自動方法將數(shù)字縫紉圖樣轉(zhuǎn)化為人臺的合體服裝。一個關(guān)鍵的挑戰(zhàn)是如何配置縫紉件的初始排列，使其避免折疊和交叉。在這項工作中，我們通過采用AI分類、啟發(fā)式方法和數(shù)值優(yōu)化來解決這個問題，最終開發(fā)出一種創(chuàng)新的自動服裝初始化系統(tǒng)。
●該研究系統(tǒng)已部分集成到 Style3D 產(chǎn)品中，并有望進一步增強，以進一步減輕技術(shù)設(shè)計師在創(chuàng)建數(shù)字服裝時的工作量。
Neural-Assisted Homogenization of Yarn-Level Cloth
紗線級織物的神經(jīng)輔助均質(zhì)化
現(xiàn)實世界中的織物由線和紗組成，表現(xiàn)出復(fù)雜的應(yīng)力應(yīng)變關(guān)系，這給使用基于連續(xù)體的模型進行快速模擬的均質(zhì)化帶來了巨大挑戰(zhàn)。在本文中，我們介紹了一種專為模擬紗線級織物而設(shè)計的神經(jīng)均質(zhì)化構(gòu)成模型。與之前的均質(zhì)化構(gòu)成模型相比，我們的模型在穩(wěn)定性方面有了實質(zhì)性的改進，并在大時間步長下實現(xiàn)了高達兩個數(shù)量級的提速。
●我們正在將該模型集成到 Style3D 產(chǎn)品中，旨在提高未來應(yīng)用中針織物模擬的準確性。此項技術(shù)研究的成果，代表行業(yè)頂尖水平，未來也將成為Style3D 產(chǎn)品遠超其他的技術(shù)力證。
Super-Resolution Cloth Animation with Spatial and Temporal Coherence
具有時空一致性的超分辨率布料動畫
制作超分辨率布料動畫，為粗糙的布料網(wǎng)格添加精細的褶皺細節(jié)，需要在各幀之間保持空間一致性和時間連貫性。在本文中，我們介紹了一個旨在解決這些問題的AI框架，其中包含一個仿真校正模塊和一個基于網(wǎng)格的超分辨率模塊。我們通過從簡單布片到復(fù)雜服裝的各種動畫示例，展示了我們方法的有效性。
●此項研究是在3D模擬基礎(chǔ)上，運用AI增強3D細節(jié)效果。我們預(yù)計這將在具有實時模擬功能的 Style3D 產(chǎn)品(如 Style3D MixMatch)中證明其價值。
High-Quality Surface Reconstruction using Gaussian Surfels
用高斯曲面進行高質(zhì)量曲面重構(gòu)
我們介紹了一種新穎的基于點的表示法--高斯曲面，它將三維高斯點的靈活優(yōu)化能力與曲面的表面對齊特性融合在一起。這種融合是通過將三維高斯點的 z 比例設(shè)為零來實現(xiàn)的，從而有效地將原始的三維橢圓體轉(zhuǎn)化為二維橢圓。
●基于可視光，可用于手機攝像頭進行三維重建，并提升三維重建精度。實驗結(jié)果表明，我們的方法顯著提高了表面重建性能，并顯示了從手持設(shè)備直接重建數(shù)字服裝的潛力。
VR-GS: A Physical Dynamics-Aware Interactive Gaussian Splatting System in Virtual Reality
VR-GS：虛擬現(xiàn)實中的物理動力學感知交互式高斯濺射系統(tǒng)
在這項工作中，我們介紹了 VR-GS 系統(tǒng)，該系統(tǒng)旨在為虛擬現(xiàn)實中以人為中心的 3D 內(nèi)容交互提供無縫、直觀的體驗。我們通過實施物理動態(tài)感知交互式高斯拼接(GS)技術(shù)，輔以高效的兩級嵌入策略和可變形體仿真來實現(xiàn)這一目標。這些要素共同確保了 VR-GS 能夠以高度逼真的動態(tài)響應(yīng)實時運行。
●該系統(tǒng)與 Style3D 的內(nèi)部實時仿真引擎 Style3D Simulator 相集成，預(yù)計將大大提高 AR/MR 環(huán)境中人類與數(shù)字服裝的互動性。
可以發(fā)現(xiàn)，此次的技術(shù)方向有了很多AI的身影，傳統(tǒng)的服裝設(shè)計和生產(chǎn)流程繁瑣且耗時，但AI技術(shù)的引入，可以優(yōu)化設(shè)計流程，縮短產(chǎn)品上市周期。在發(fā)表的論文中，已有多項研究在Style3D相關(guān)產(chǎn)品中有所應(yīng)用，如基于AI的自動化排料技術(shù)、AI增強材質(zhì)細節(jié)效果等，未來，這些技術(shù)的落地應(yīng)用，不僅提升了設(shè)計效率，也將釋放更多生產(chǎn)力。
不久將來，Style3D還將重磅推出AI技術(shù)與3D精準設(shè)計融合的創(chuàng)新底層架構(gòu)——AIGP(AI Generate Pattern)，該系統(tǒng)旨在全面集成AI能力，覆蓋從潮流趨勢預(yù)測、智能化設(shè)計與制版、精準布料優(yōu)化配置、高仿真模擬成衣的全產(chǎn)業(yè)鏈條，實現(xiàn)AI+3D技術(shù)對產(chǎn)業(yè)升級的實質(zhì)性賦能。
Style3D期望以“AI+3D+AI”的技術(shù)整合策略，使服裝設(shè)計與研發(fā)流程得到前所未有的簡化和優(yōu)化，提升從創(chuàng)意設(shè)計到市場推廣的整個產(chǎn)業(yè)鏈條的銜接性與協(xié)同效率，從而促進更迅速且更為精確的市場響應(yīng)機制，加速“概念到消費”(Concept-to-Consumer)的轉(zhuǎn)化速度。引領(lǐng)服裝產(chǎn)業(yè)步入智能化、高效化的新紀元。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
