薄壳模型的深度形变细节合成

在基于物理的布料动画中，丰富的褶皱和细致的皱纹是以昂贵的计算资源和大量人工调参为代价实现的。数据驱动技术致力于通过数据库显著减少计算量。一类方法依赖人体姿态来合成贴合的服装，无法应用于通用布料；另一类方法则无此限制地为粗网格添加细节。然而，现有工作通常采用基于坐标的表示，无法应对大规模形变，且需要粗网格与细网格之间密集的顶点对应。此外，由于这类方法仅添加细节，它们要求粗网格接近细网格，而在生成细网格时这要么不可能，要么需要不切实际的约束。为应对这些挑战，我们提出了一种时空尽可能一致的形变表示（称为TS-ACAP）以及一个DeformTransformer网络，用于学习从低分辨率网格到细节网格的映射。该TS-ACAP表示旨在确保布料动画中序列大规模形变的空间与时间一致性。借助此表示，我们的DeformTransformer网络首先利用两个基于网格的编码器分别提取粗、细特征。为将粗特征转换为细特征，我们采用由帧级注意力机制组成的Transformer网络以保证预测的时间相干性。实验结果表明，我们的方法能够在多个数据集上以高帧率生成可靠且逼真的动画：比基于物理的模拟快10~35倍，且细节合成能力优于现有方法。