注：ACM SIGGRAPH是迄今為止世界上影響最廣、規模最大，也是最權威的集科學、技術、藝術、商業于一身的圖形學技術展示和學術會議。自1974年首屆會議以來，已舉辦50屆，每年有上萬專家學者參加。SIGGRAPH制定了非常嚴格的論文評審流程，每篇文章需要至少5名相關專家提供詳細評審意見，平均錄用率在20-30%左右，ACM SIGGRAPH 2023接收投稿論文近700篇，錄用212篇。

Style3D此次6篇論文成功入選 SIGGRAPH 2024，并將在7月底的會議現場發表，入選所占比例之高，進一步證實了Style3D在SIGGRAPH這一國際頂級學術平臺上所展現的科研實力。也側面體現Style3D正以創新技術引領行業發展，成為行業的標桿和領跑者。

此次6篇論文，以圖形學+AI技術結合研究，從多材質的高仿真效果提升、AI實現部分自動化工序到AI增強3D效果、與AR/MR中的交互提升，涵蓋前端設計到后端營銷展示的全鏈路場景的技術研究，且所有前沿技術研究，在未來都將于Style3D全套工具中落地應用。

以下是6篇論文的部分詮釋：

A Dynamic Duo of Finite Elements and Material Points

有限元與材料點的動態組合

本文介紹了一種集成有限元方法（FEM）和材料點方法（MPM）的新方法，用于增強多材料系統的仿真。有限元法傳統上用于對布匹等拉格朗日固體建模，而材料點法則擅長模擬雪和沙粒等發生顯著變形和拓撲變化的材料。我們方法的核心是混合隱式-顯式時間積分（IMEX）策略。盡管隱式 FEM 和顯式 MPM 對時間步長的要求不同，但它們可以在同一框架內共存，從而確保準確的雙向耦合。

● 此項研究將為未來的多材料仿真研究奠定基礎，有可能推動沙地或雪地等極端環境中防護服的仿真。

Automatic Digital Garment Initialization from Sewing Patterns

從縫制樣板自動初始化數字服裝

隨著數字時尚和生成式人工智能技術的快速發展，需要一種自動方法將數字縫紉圖樣轉化為人臺的合體服裝。一個關鍵的挑戰是如何配置縫紉件的初始排列，使其避免折疊和交叉。在這項工作中，我們通過采用AI分類、啟發式方法和數值優化來解決這個問題，最終開發出一種創新的自動服裝初始化系統。

● 該研究系統已部分集成到 Style3D 產品中，并有望進一步增強，以進一步減輕技術設計師在創建數字服裝時的工作量。

Neural-Assisted Homogenization of Yarn-Level Cloth

紗線級織物的神經輔助均質化

現實世界中的織物由線和紗組成，表現出復雜的應力應變關系，這給使用基于連續體的模型進行快速模擬的均質化帶來了巨大挑戰。在本文中，我們介紹了一種專為模擬紗線級織物而設計的神經均質化構成模型。與之前的均質化構成模型相比，我們的模型在穩定性方面有了實質性的改進，并在大時間步長下實現了高達兩個數量級的提速。

● 我們正在將該模型集成到 Style3D 產品中，旨在提高未來應用中針織物模擬的準確性。此項技術研究的成果，代表行業頂尖水平，未來也將成為Style3D 產品遠超其他的技術力證。

Super-Resolution Cloth Animation with Spatial and Temporal Coherence

具有時空一致性的超分辨率布料動畫

制作超分辨率布料動畫，為粗糙的布料網格添加精細的褶皺細節，需要在各幀之間保持空間一致性和時間連貫性。在本文中，我們介紹了一個旨在解決這些問題的AI框架，其中包含一個仿真校正模塊和一個基于網格的超分辨率模塊。我們通過從簡單布片到復雜服裝的各種動畫示例，展示了我們方法的有效性。

● 此項研究是在3D模擬基礎上，運用AI增強3D細節效果。我們預計這將在具有實時模擬功能的 Style3D 產品（如 Style3D MixMatch）中證明其價值。

High-Quality Surface Reconstruction using Gaussian Surfels

用高斯曲面進行高質量曲面重構

我們介紹了一種新穎的基于點的表示法--高斯曲面，它將三維高斯點的靈活優化能力與曲面的表面對齊特性融合在一起。這種融合是通過將三維高斯點的 z 比例設為零來實現的，從而有效地將原始的三維橢圓體轉化為二維橢圓。

● 基于可視光，可用于手機攝像頭進行三維重建，并提升三維重建精度。實驗結果表明，我們的方法顯著提高了表面重建性能，并顯示了從手持設備直接重建數字服裝的潛力。

VR-GS: A Physical Dynamics-Aware Interactive Gaussian Splatting System in Virtual Reality

VR-GS：虛擬現實中的物理動力學感知交互式高斯濺射系統

在這項工作中，我們介紹了 VR-GS 系統，該系統旨在為虛擬現實中以人為中心的 3D 內容交互提供無縫、直觀的體驗。我們通過實施物理動態感知交互式高斯拼接（GS）技術，輔以高效的兩級嵌入策略和可變形體仿真來實現這一目標。這些要素共同確保了 VR-GS 能夠以高度逼真的動態響應實時運行。

● 該系統與 Style3D 的內部實時仿真引擎 Style3D Simulator 相集成，預計將大大提高 AR/MR 環境中人類與數字服裝的互動性。

可以發現，此次的技術方向有了很多AI的身影，傳統的服裝設計和生產流程繁瑣且耗時，但AI技術的引入，可以優化設計流程，縮短產品上市周期。在發表的論文中，已有多項研究在Style3D相關產品中有所應用，如基于AI的自動化排料技術、AI增強材質細節效果等，未來，這些技術的落地應用，不僅提升了設計效率，也將釋放更多生產力。

不久將來，Style3D還將重磅推出AI技術與3D精準設計融合的創新底層架構——AIGP（AI Generate Pattern），該系統旨在全面集成AI能力，覆蓋從潮流趨勢預測、智能化設計與制版、精準布料優化配置、高仿真模擬成衣的全產業鏈條，實現AI+3D技術對產業升級的實質性賦能。

Style3D期望以“AI+3D+AI”的技術整合策略，使服裝設計與研發流程得到前所未有的簡化和優化，提升從創意設計到市場推廣的整個產業鏈條的銜接性與協同效率，從而促進更迅速且更為精確的市場響應機制，加速“概念到消費”（Concept-to-Consumer）的轉化速度。引領服裝產業步入智能化、高效化的新紀元。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：