Bayesian Differentiable Physics for Cloth Digitalization

要約

布のデジタル化の新たな手法を提案します。
比較的カジュアルな設定で取得されたデータから学習する既存の方法とは異なり、厳密にテストされた測定プロトコルで取得されたデータから学習し、布地の妥当な物理パラメータを見つけることを提案します。
ただし、そのようなデータは現在存在しないため、最初に正確な布の測定値を含む新しいデータセットを提案します。
さらに、データキャプチャプロセスの性質上、データサイズは現在のディープラーニングのものよりもかなり小さくなります。
小さなデータから学ぶために、実際の布の複雑な材料の不均質性を推定するための新しいベイズ微分可能布モデルを提案します。
非常に限られたデータ サンプルから高精度のデジタル化を実現できます。
徹底的な評価と比較を通じて、私たちの方法が布地のデジタル化において正確であり、限られたデータサンプルからの学習において効率的であり、一般的に材料の変化を捉えることにおいて有効であることを示します。
コードとデータは https://github.com/realcrane/Bayesian-Differentiable-Physics-for-Cloth-Digitalization から入手できます。

要約(オリジナル)

We propose a new method for cloth digitalization. Deviating from existing methods which learn from data captured under relatively casual settings, we propose to learn from data captured in strictly tested measuring protocols, and find plausible physical parameters of the cloths. However, such data is currently absent, so we first propose a new dataset with accurate cloth measurements. Further, the data size is considerably smaller than the ones in current deep learning, due to the nature of the data capture process. To learn from small data, we propose a new Bayesian differentiable cloth model to estimate the complex material heterogeneity of real cloths. It can provide highly accurate digitalization from very limited data samples. Through exhaustive evaluation and comparison, we show our method is accurate in cloth digitalization, efficient in learning from limited data samples, and general in capturing material variations. Code and data are available https://github.com/realcrane/Bayesian-Differentiable-Physics-for-Cloth-Digitalization

arxiv情報

提供元, 利用サービス

arxiv.jp, Google