NeuralClothSim: Neural Deformation Fields Meet the Kirchhoff-Love Thin Shell Theory

要約

布地のシミュレーションは広範囲に研究されている問題であり、コンピューター グラフィックスの文献には多数の解決策が記載されています。
既存のクロス シミュレータは、さまざまな種類の境界条件に従う現実的なクロス変形を生成します。
それにもかかわらず、それらの動作原理は、いくつかの点で制限されたままです。それらは、固定された空間解像度で明示的な表面表現を操作し、一連の離散化された更新 (時間解像度を制限する) を実行し、比較的大量のストレージを必要とします。
さらに、既存のソルバーを介して勾配を逆伝播するのは簡単ではないことが多く、最新のニューラル アーキテクチャに勾配を統合する際にさらなる課題が生じます。
上記の制限に対応して、この論文は物理的に妥当な布シミュレーションについて根本的に異なる視点をとり、この長年の問題を再考します。つまり、薄いシェルを使用した新しい布シミュレーション アプローチである NeuralClothSim を提案します。
ニューラルネットワークの重みでエンコードされます。
私たちのメモリ効率が高く微分可能なソルバーは、動的表面の新しい連続座標ベースの表現、つまり神経変形場 (NDF) で動作します。
それは、非線形キルヒホッフ・ラブシェル理論の規則に従って NDF の進化を監視します。
NDF は、1) クロスの進化中に生じる変形の詳細に容量を割り当て、2) 再トレーニングせずに任意の空間的および時間的解像度で表面状態のクエリを実行できるという意味で適応的です。
厳密な境界条件を課しながら NeuralClothSim ソルバーをトレーニングする方法を示し、マテリアル補間やシミュレーション編集などの複数のアプリケーションを示します。
実験結果は、私たちの配合の有効性とその潜在的な影響を浮き彫りにしています。

要約(オリジナル)

Cloth simulation is an extensively studied problem, with a plethora of solutions available in computer graphics literature. Existing cloth simulators produce realistic cloth deformations that obey different types of boundary conditions. Nevertheless, their operational principle remains limited in several ways: They operate on explicit surface representations with a fixed spatial resolution, perform a series of discretised updates (which bounds their temporal resolution), and require comparably large amounts of storage. Moreover, back-propagating gradients through the existing solvers is often not straightforward, which poses additional challenges when integrating them into modern neural architectures. In response to the limitations mentioned above, this paper takes a fundamentally different perspective on physically-plausible cloth simulation and re-thinks this long-standing problem: We propose NeuralClothSim, i.e., a new cloth simulation approach using thin shells, in which surface evolution is encoded in neural network weights. Our memory-efficient and differentiable solver operates on a new continuous coordinate-based representation of dynamic surfaces, i.e., neural deformation fields (NDFs); it supervises NDF evolution with the rules of the non-linear Kirchhoff-Love shell theory. NDFs are adaptive in the sense that they 1) allocate their capacity to the deformation details as the latter arise during the cloth evolution and 2) allow surface state queries at arbitrary spatial and temporal resolutions without retraining. We show how to train our NeuralClothSim solver while imposing hard boundary conditions and demonstrate multiple applications, such as material interpolation and simulation editing. The experimental results highlight the effectiveness of our formulation and its potential impact.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google