一种基于物理感知深度学习的布料仿真方法及装置制造方法及图纸

技术编号:43349664 阅读:42 留言:0更新日期:2024-11-15 20:49
本文提供了一种基于物理感知深度学习的布料仿真方法及装置,方法包括:获取蒙皮的3D人物模型的运动动作参数;将运动动作参数通过解耦描述符转换成静态描述符和动态描述符;通过编码器分别对静态描述符和动态描述符进行编码处理,得到静态潜在变量和动态潜在变量,并进行相加,等到编码后的特征向量;通过解码器对特征向量进行解码处理,得到3D人物模型的局部布料的变形状态;通过基于物理仿真的损失函数对网络模型进行训练,使得网络学习满足布料和人体的物理约束,并输出布料状态的预测结果。本文旨在利用基于物理仿真的损失函数,使网络学习满足布料和人体的物理约束,实现对布料动态的准确预测。

【技术实现步骤摘要】

本文属于计算机,具体涉及一种基于物理感知深度学习的布料仿真方法及装置


技术介绍

1、布料仿真一直是计算机图形学领域的研究焦点,在动漫、游戏等领域发挥着关键作用。目前主流的布料仿真方法为基于物理的仿真和基于学习的变形。这些方法相互借鉴、互不冲突,并且各自有优缺点。

2、基于物理的仿真通过构建布料运动的模型并求解复杂的动力学方程,以获得相应的布料状态。这种方法可以生成真实细腻的服装变形效果,但计算复杂度较高,且需要高昂的计算成本,对于实时的布料动画仍具有一定的局限性。

3、基于学习的仿真通常利用神经网络模型从大量数据中学习布料变形规律,从而对新的数据进行推测。相比于物理方法,该类方法具有较高的效率,自动化程度高,然而,当前基于学习的仿真大多数依赖监督学习,需运行大量的基于离线物理的模拟来收集训练所需的数据,且各类型参数的数据需重复收集,损害了监督解决方案的可扩展性。此外,学习过程通常仅考虑顶点位置与目标之间的差异性,忽视了布料自身的物理属性,导致服装真实感不高、动态连续性较差、细节逼真度不强,且在非常相似的身体运动上进行服装仿真可能产本文档来自技高网...

【技术保护点】

1.一种基于物理感知深度学习的布料仿真方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述获取蒙皮的3D人物模型的运动动作参数,包括:

3.根据权利要求1所述的方法,其特征在于,所述将所述运动动作参数通过解耦描述符转换成静态描述符和动态描述符,包括:

4.根据权利要求1所述的方法,其特征在于,所述编码器包括静态编码器和动态编码器;

5.根据权利要求1所述的方法,其特征在于,所述解码器包括三个全连接层和一个姿态空间变形层;所述解码器的工作过程如下:

6.根据权利要求1所述的方法,其特征在于,基于物理仿真...

【技术特征摘要】

1.一种基于物理感知深度学习的布料仿真方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述获取蒙皮的3d人物模型的运动动作参数,包括:

3.根据权利要求1所述的方法,其特征在于,所述将所述运动动作参数通过解耦描述符转换成静态描述符和动态描述符,包括:

4.根据权利要求1所述的方法,其特征在于,所述编码器包括静态编码器和动态编码器;

5.根据权利要求1所述的方法,其特征在于,所述解码器包括三个全连接层和一个姿态空间变形层;所述解码器的工作过程如下:

6.根据权利...

【专利技术属性】
技术研发人员:李天行王海琪朱青石睿
申请(专利权)人:北京工业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1