Aug, 2023

神经布料模拟：神经变形场满足 Kirchhoff-Love 薄壳理论

PDF
TL;DR基于神经网络权重的新的连续坐标表达动态表面的布料模拟方法 NeuralClothSim 在现有的有限元模拟方法的基础上提出了一种新的解决方案，通过神经网络权重编码表面演化，并使用 Kirchhoff-Love 壳理论的规则进行 NDF 演化的监督，解决了现有布料模拟方法的空间、时间和存储限制等问题，同时展示了材料插值和模拟编辑等多个应用，实验证明了该方法的有效性和潜在影响。
cloth simulationneuralclothsimthin shellsneural networkmemory-efficient solver
发现论文，激发创造
  • 一种基于物理的深度学习框架用于布料模拟

    通过物理嵌入学习框架，使用卷积神经网络代表物体之间的空间相关性，并通过三个分支学习布料物理的线性、非线性和时间导数特征，模型通过与传统模拟器或子神经网络相结合，测试在不同的布料动画案例中达到与基准值的一致性和预测的真实性，同时提高了推理效率，可与其他视觉细化技术整合应用于三维布料动画。

    Mar, 2024

  • 基于单目深度的神经表面场用于人体建模

    通过具有个性化、三维可动角色的单目摄像头获取数据，在建模动态、细粒度服装变形方面存在挑战。本文提出了一种名为 ' 神经表面场 ' 的新方法，用于从单目深度数据中建模穿着服装的三维人物，以超越现有方法的局限性，具有计算效率高、网格连贯性好以及能够重建任意分辨率网格等优势。

    Aug, 2023

  • 利用变形感知神经网络生成液体模拟

    提出了一种新颖的变形感知神经网络方法，用于学习密集体积变形场的加权合成，特别针对液体模拟的时空表征，成功地实现了实时流体效果的移动端交互。

    Apr, 2017

  • 基于神经网络的宽松服装处理方法

    通过使用实时数值算法来粗略地近似动态模式，然后使用神经网络重建表面并通过准静态神经网络添加高频变形，以实现对松散服装的实时性能改进。

    Apr, 2024

  • DeepCloth: 基于神经网络的服装表征方法用于形状和风格编辑

    本文提出了 DeepCloth，它是一个针对服装表示、重建、动画和编辑的统一框架，它包含了三个组件：拓扑感知的 UV 位置图、连续特征空间中的嵌入和服装动画方法。这个方法可以实现更加灵活、通用的 3D 服装数字化框架。

    Nov, 2020

  • 神经 SCF：用于密度泛函理论的神经网络自洽场

    通过机械学习加速，我们提出了一种神经网络自洽场 (NeuralSCF) 框架，其以 Kohn-Sham 密度 (density) 映射为深度学习目标，模拟了 Kohn-Sham 方程的自洽迭代，获得电子密度并衍生其他性质，从而在电子密度预测和衍生性质上实现了最先进的准确度，并在分布外系统上具有出色的零样本泛化能力，表明从 KS-DFT 的内在机理中学习明显提高了模型的准确性和可转移性，为通过机械学习加速电子结构计算提供了有希望的基石。

    Jun, 2024

  • 简化弹塑性和断裂的神经应力场

    我们提出了一种用于弹塑性和断裂的减维模型的混合神经网络和物理框架，并演示了其在不同材料行为模拟中的强大计算效率。

    Oct, 2023

  • 反思材料模拟：将直接数值模拟与神经算子相融合

    基于数值求解器和神经算子的新方法可加速直接数值模拟，具有高达 16.5 倍的加速效果，并可应用于多种演化模型。

    Dec, 2023

  • 基于视觉 - 触觉反馈的物体整体变形和接触区域估计

    本研究提出了一种利用视触反馈隐式表示共同模拟物体变形和接触区域的神经变形接触场表示法（NDCF），并通过训练模拟数据以及无需微调便能将其应用于真实世界。实验结果表明，相对于点云表示法，NDCF 在模拟数据和真实场景下都表现更好。

    May, 2023

  • 具有隐式神经表示的空间自适应服装回归

    本研究介绍了一种利用隐式神经表征的新型各向异性布料回归技术，其中包括创新的无网格抽样方法和新颖的对抗训练方案，以更好地捕捉细节布料纹理并保持计算效率。实验结果表明，在相同内存限制下，本方法在建模高度细节化的布料皱纹时始终超过传统的离散表示。

    Nov, 2023