HOOD: Hierarchical Graphs for Generalized Modelling of Clothing Dynamics

要約

グラフ ニューラル ネットワーク、マルチレベル メッセージ パッシング、および教師なしトレーニングを活用して、現実的な衣服のダイナミクスのリアルタイム予測を可能にする方法を提案します。
リニア ブレンド スキニングに基づく既存の方法は、特定の衣服用にトレーニングする必要がありますが、私たちの方法は体型にとらわれず、タイト フィットの衣服だけでなくゆったりとした自由な衣服にも適用できます。
さらに、私たちの方法は、推論時にトポロジー (ボタンやジッパー付きの衣服など) と材料特性の変化を処理します。
重要な貢献の 1 つとして、局所的な詳細を維持しながら堅固なストレッチング モードを効率的に伝播する階層的なメッセージ パッシング スキームを提案します。
私たちの方法が強力なベースラインよりも定量的に優れており、その結果が最先端の方法よりも現実的であると認識されていることを経験的に示しています。

要約(オリジナル)

We propose a method that leverages graph neural networks, multi-level message passing, and unsupervised training to enable real-time prediction of realistic clothing dynamics. Whereas existing methods based on linear blend skinning must be trained for specific garments, our method is agnostic to body shape and applies to tight-fitting garments as well as loose, free-flowing clothing. Our method furthermore handles changes in topology (e.g., garments with buttons or zippers) and material properties at inference time. As one key contribution, we propose a hierarchical message-passing scheme that efficiently propagates stiff stretching modes while preserving local detail. We empirically show that our method outperforms strong baselines quantitatively and that its results are perceived as more realistic than state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google