Style3D这次6篇论文成功入选 SIGGRAPH 2024，并将在7月尾的会议现场揭橥，入选所占比例之高，进一步证明了Style3D在SIGGRAPH这一国际顶级学术平台上所展现的科研实力。也侧面表示Style3D正以创新技能引领行业发展，成为行业的标杆和领跑者。
这次6篇论文，以图形学+AI技能结合研究，从多材质的高仿真效果提升、AI实现部分自动化工序到AI增强3D效果、与AR/MR中的交互提升，涵盖前端设计到后端营销展示的全链路场景的技能研究，且所有前沿技能研究，在未来都将于Style3D全套工具中落地运用。
以下是6篇论文的部分诠释：
01
A Dynamic Duo of Finite Elements and Material Points有限元与材料点的动态组合
本文先容了一种集成有限元方法（FEM）和材料点方法（MPM）的新方法，用于增强多材料系统的仿真。有限元法传统上用于对布匹等拉格朗日固体建模，而材料点法则善于仿照雪和沙粒等发生显著变形和拓扑变革的材料。我们方法的核心是稠浊隐式-显式韶光积分（IMEX）策略。只管隐式 FEM 和显式 MPM 对韶光步长的哀求不同，但它们可以在同一框架内共存，从而确保准确的双向耦合。
● 此项研究将为未来的多材料仿真研究奠定根本，有可能推动沙地或雪地等极度环境中防护服的仿真。
02
Automatic Digital Garment Initialization from Sewing Patterns
从缝制样板自动初始化数字服装
随着数字时尚和天生式人工智能技能的快速发展，须要一种自动方法将数字缝纫图样转化为人台的合体服装。一个关键的寻衅是如何配置缝纫件的初始排列，使其避免折叠和交叉。在这项事情中，我们通过采取AI分类、启示式方法和数值优化来办理这个问题，终极开拓出一种创新的自动服装初始化系统。
● 该研究系统已部分集成到 Style3D 产品中，并有望进一步增强，以进一步减轻技能设计师在创建数字服装时的事情量。
03
Neural-Assisted Homogenization of Yarn-Level Cloth
纱线级织物的神经赞助均质化
现实天下中的织物由线和纱组成，表现出繁芜的应力应变关系，这给利用基于连续体的模型进行快速仿照的均质化带来了巨大寻衅。在本文中，我们先容了一种专为仿照纱线级织物而设计的神经均质化构成模型。与之前的均质化构成模型比较，我们的模型在稳定性方面有了本色性的改进，并在大韶光步长下实现了高达两个数量级的提速。
● 我们正在将该模型集成到 Style3D 产品中，旨在提高未来运用中针织物仿照的准确性。此项技能研究的成果，代表行业顶尖水平，未来也将成为Style3D 产品远超其他的技能力证。
04
Super-Resolution Cloth Animation with Spatial and Temporal Coherence具有时空同等性的超分辨率布料动画
制作超分辨率布料动画，为粗糙的布料网格添加风雅的褶皱细节，须要在各帧之间保持空间同等性和韶光连贯性。在本文中，我们先容了一个旨在办理这些问题的AI框架，个中包含一个仿真校正模块和一个基于网格的超分辨率模块。我们通过从大略布片到繁芜服装的各种动画示例，展示了我们方法的有效性。
● 此项研究是在3D仿照根本上，利用AI增强3D细节效果。我们估量这将在具有实时仿照功能的 Style3D 产品（如 Style3D MixMatch）中证明其代价。
05
High-Quality Surface Reconstruction using Gaussian Surfels
用高斯曲面进行高质量曲面重构
我们先容了一种新颖的基于点的表示法--高斯曲面，它将三维高斯点的灵巧优化能力与曲面的表面对齐特性领悟在一起。这种领悟是通过将三维高斯点的 z 比例设为零来实现的，从而有效地将原始的三维椭圆体转化为二维椭圆。
● 基于可视光，可用于手机摄像头进行三维重修，并提升三维重修精度。实验结果表明，我们的方法显著提高了表面重修性能，并显示了从手持设备直接重修数字服装的潜力。
06
VR-GS: A Physical Dynamics-Aware Interactive Gaussian Splatting System in Virtual Reality
VR-GS：虚拟现实中的物理动力学感深交互式高斯溅射系统
在这项事情中，我们先容了 VR-GS 系统，该系统旨在为虚拟现实中以人为中央的 3D 内容交互供应无缝、直不雅观的体验。我们通过履行物理动态感深交互式高斯拼接（GS）技能，辅以高效的两级嵌入策略和可变形体仿真来实现这一目标。这些要素共同确保了 VR-GS 能够以高度逼真的动态相应实时运行。
● 该系统与 Style3D 的内部实时仿真引擎 Style3D Simulator 相集成，估量将大大提高 AR/MR 环境中人类与数字服装的互动性。
可以创造，这次的技能方向有了很多AI的身影，传统的服装设计和生产流程繁琐且耗时，但AI技能的引入，可以优化设计流程，缩短产品上市周期。在揭橥的论文中，已有多项研究在Style3D干系产品中有所运用，如基于AI的自动化排料技能、AI增强材质细节效果等，未来，这些技能的落地运用，不仅提升了设计效率，也将开释更多生产力。
不久将来，Style3D还将重磅推出AI技能与3D精准设计领悟的创新底层架构——AIGP（AI Generate Pattern），该系统旨在全面集成AI能力，覆盖从潮流趋势预测、智能化设计与制版、精准布料优化配置、高仿真仿照成衣的百口当链条，实现AI+3D技能对家当升级的本色性赋能。
Style3D期望以“AI+3D+AI”的技能整合策略，使服装设计与研发流程得到前所未有的简化和优化，提升从创意设计到市场推广的全体家当链条的衔接性与协同效率，从而促进更迅速且更为精确的市场相应机制，加速“观点到消费”（Concept-to-Consumer）的转化速率。引领服装家当步入智能化、高效化的新纪元。
