注:ACM SIGGRAPH是迄今為止世界上影響最廣、規模最大,也是最權威的集科學、技術、藝術、商業于一身的圖形學技術展示和學術會議。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月底的會議現場發表,入選所占比例之高,進一步證實了Style3D在SIGGRAPH這一國際頂級學術平臺上所展現的科研實力。也側面體現Style3D正以創新技術引領行業發展,成為行業的標桿和領跑者。
此次6篇論文,以圖形學+AI技術 結合研究,從多材質的高仿真效果提升、AI實現部分自動化工序到AI增強3D效果、與AR/MR中的交互提升,涵蓋前端設計到后端營銷展示的全鏈路場景的技術研究,且所有前沿技術研究,在未來都將于Style3D全套工具中落地應用。
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的仿真。有限元法傳統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,有可能推動沙地或雪地等極端環境中防護服的仿真。
Automatic Digital Garment Initialization from Sewing Patterns
從縫制樣板自動初始化數字服裝
隨著數字時尚和生成式人工智能技術的快速發展,需要一種自動方法將數字縫紉圖樣轉化為人臺的合體服裝。一個關鍵的挑戰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、啟發式方法和數值優化來解決這個問題,最終開發出一種創新的自動服裝初始化系統。
● 該研究系統已部分集成到 Style3D 產品中,并有望進一步增強,以進一步減輕技術設計師在創建數字服裝時的工作量。
Neural-Assisted Homogenization of Yarn-Level Cloth
紗線級織物的神經輔助均質化
現實世界中的織物由線和紗組成,表現出復雜的應力應變關系,這給使用基于連續體的模型進行快速模擬的均質化帶來了巨大挑戰。在本文中,我們介紹了一種專為模擬紗線級織物而設計的神經均質化構成模型。與之前的均質化構成模型相比,我們的模型在穩定性方面有了實質性的改進,并在大時間步長下實現了高達兩個數量級的提速。
● 我們正在將該模型集成到 Style3D 產品中,旨在提高未來應用中針織物模擬的準確性。此項技術研究的成果,代表行業頂尖水平,未來也將成為Style3D 產品遠超其他的技術力證。
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,為粗糙的布料網格添加精細的褶皺細節,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格的超分辨率模塊。我們通過從簡單布片到復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模擬基礎上,運用AI增強3D細節效果。我們預計這將在具有實時模擬功能的 Style3D 產品(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量曲面重構
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 比例設為零來實現的,從而有效地將原始的三維橢圓體轉化為二維橢圓。
● 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,并顯示了從手持設備直接重建數字服裝的潛力。
VR-GS: A Physical Dynamics-Aware Interactive Gaussian Splatting System in Virtual Reality
VR-GS:虛擬現實中的物理動力學感知交互式高斯濺射系統
在這項工作中,我們介紹了 VR-GS 系統,該系統旨在為虛擬現實中以人為中心的 3D 內容交互提供無縫、直觀的體驗。我們通過實施物理動態感知交互式高斯拼接(GS)技術,輔以高效的兩級嵌入策略和可變形體仿真來實現這一目標。這些要素共同確保了 VR-GS 能夠以高度逼真的動態響應實時運行。
● 該系統與 Style3D 的內部實時仿真引擎 Style3D Simulator 相集成,預計將大大提高 AR/MR 環境中人類與數字服裝的互動性。
可以發現,此次的技術方向有了很多AI的身影,傳統的服裝設計和生產流程繁瑣且耗時,但AI技術的引入,可以優化設計流程,縮短產品上市周期。在發表的論文中,已有多項研究在Style3D相關產品中有所應用,如基于AI的自動化排料技術、AI增強材質細節效果等,未來,這些技術的落地應用,不僅提升了設計效率,也將釋放更多生產力。
不久將來,Style3D還將重磅推出AI技術與3D精準設計融合的創新底層架構——AIGP(AI Generate Pattern),該系統旨在全面集成AI能力,覆蓋從潮流趨勢預測、智能化設計與制版、精準布料優化配置、高仿真模擬成衣的全產業鏈條,實現AI+3D技術對產業升級的實質性賦能。
Style3D期望以“AI+3D+AI”的技術整合策略,使服裝設計與研發流程得到前所未有的簡化和優化,提升從創意設計到市場推廣的整個產業鏈條的銜接性與協同效率,從而促進更迅速且更為精確的市場響應機制,加速“概念到消費”(Concept-to-Consumer)的轉化速度。引領服裝產業步入智能化、高效化的新紀元。
申請創業報道,分享創業好點子。點擊此處,共同探討創業新機遇!