Core Concepts
기하학 인지 메커니즘을 통해 의복이 몸에 맞게 늘어나면서도 실제 의복 행동을 모방할 수 있는 자기 지도 신경망 모델을 제안한다.
Abstract
이 논문은 기하학 인지와 물리 기반 원리를 결합한 새로운 자기 지도 신경망 모델 GAPS를 제안한다. GAPS는 의복이 몸에 맞게 늘어나면서도 실제 의복 행동을 모방할 수 있도록 한다.
기존 방법들은 단순히 재료 특성만을 고려하여 의복 늘어남을 제한했기 때문에 비현실적인 결과를 초래했다. 또한 의복-몸 충돌을 해결하기 위해 복잡한 후처리나 제한적인 학습 방식을 사용했다.
GAPS는 기하학 인지 제약을 통해 의복이 몸에 맞게 점진적으로 늘어나도록 하여 실제 의복 행동을 모방한다. 또한 기하학 인지 스킨닝 방법을 통해 다양한 의복 유형을 효과적으로 다룰 수 있다.
실험 결과, GAPS는 기존 방법들에 비해 현저히 향상된 성능을 보였다. 특히 느슨한 의복에서 두드러진 개선을 보였다.
Stats
의복 변형 시 변형 에너지는 StVK 재료 모델을 사용하여 계산된다.
중력에 의한 의복의 포텐셜 에너지를 최소화한다.
의복-몸 충돌을 페널티 함수로 표현하여 최소화한다.
의복 구부림은 지역적 부드러움과 전체적 일관성의 균형을 통해 모델링된다.
관성 손실을 통해 동적 의복 변형을 모델링한다.