杨净出生于凹非寺
量子位|公众号QbitAI
在元宇宙看时装表演，有什么着急的？
各种面料摩擦的细节，不仅清晰可见，而且和真的一样。
裙子随着模特的动作飞舞。 一看到就知道这件衣服轻不轻。
这是图形学的大牛王华民
团队的最新成果提出了基于GPU的预处理程序MAS
，一张GPU完成实时布料碰撞效果。
例如这件羊毛大衣可以以每秒37帧的速度实时模拟，模拟精度达到5mm。
不仅是衣服，毛球和柔软的皮玩具也能实现真实的碰撞效果。
那篇论文收录在SIGGRAPH 2023中。 作为世界上最大规模、最高水平的图形学会议，SIGGRAPH每年收到的论文代表了当年CG的最高水平。
来坎坎这是什么研究？
要构建GPU实时仿真碰撞效应真正意义上的元宇宙，首先需要强大的实时物理仿真
发动机。
目前一般的物理引擎在效果和效率方面还没有达到理想的状态。
服装模拟
是所有模拟问题的顶点。
服装的材质、碰撞是最复杂的，所以解决服装仿真就等于解决了大部分实时物理仿真问题，为未来的元宇宙开发奠定了基础。
从技术上划分，实时物理模拟分为流体和变形体模拟两种。
与流体相比，变形体的应用范围更广，如弹性体模拟、面料模拟、头发模拟等，在服装、工业中的应用等，产业方面的价值也更为清晰。
然而，目前困扰科学家的课题之一是完成更高质量的实时模拟。
任何变形体的模拟，最终都归结为线性求解问题，个的不同无非是矩阵内部数值、稀疏度、矩阵大小的不同。
所以，如何快速求解呢
成为重要的突破口之一。
在这样的背景下，王华民团队提出了基于GPU的MAS预处理器
( multileveladditiveschwarzpreconditioner )。
顾名思义，该预处理器采用多层和域( domain )
分解的概念。
传统算法主要依赖于在一层网格上处理，这种域越少越好，否则误差越大。
但是，此次的研究者通过构建多个网格层，使用这样小且不重叠的域，可以发挥GPU并行计算能力。
具体地说，MAS预处理器可以分为三个阶段。
在第一阶段，使用Morton代码快速分层域。
研究人员提出了超节点分割方法和跳过方法，用于空间的初步构建。
第二阶段，通过单向Gauss-Jordan消除的低成本矩阵估计
，在每个域中进行快速inverse解析。 此外，研究人员还开发了选择性更新方案，以解决轻微的矩阵修改。
第三阶段，运行时预处理
可以快速求解矩阵向量。 为了降低计算成本，研究人员发明了对称矩阵-向量乘法。
实验表明，MAS预处理器与许多线性和非线性求解器兼容，这些求解器用于带PCG、加速梯度下降、L-BFGS等动态接触的变形体模拟。
在最常见的PCG求解器中
例如，即使将两者结合使用，GPU上的收敛速度也明显优于GPU上包括多网格AmgX的其他预处理程序。
达到相同的收敛目标时，MAS预处理器的收敛速度比其他预处理器快约4倍。
同时，MAS预处理器位于CPU上
中，并且性能优于英特尔的ILU0和ILUT等其他预处理程序。
另外，还发现MAS预处理器的计算开销很低。
并行计算仅为0.118秒，而ILU0、ichol、ILUT的成本为2.50秒、33.8秒、154秒。
研究人员表示，这次从5万个定点到50万个顶点的区间规模的布料和变形体的模拟被推向了更高的水平。
今后将继续基于GPU域分解( GPU-based domain decomposition )的研究
的技术。 因为这样的算法有很多可以挖掘的空间。
Style3D由Style3D研究院王华民带领的团队展出了这次的研究团队。
王华民
他被公认为俄亥俄州立大学的前副教授、佐治亚理工学院的计算机科学博士、斯坦福大学的计算机科学硕士和世界一流的图形科学家。
作为唯一的作者完成过4篇SIGGRAPH论文，在6届SIGGRAPH/SIGGRAPH Asia技术论文委员会委员中，他的学生遍布著名的大工厂，专注于面料模拟，业界流传着这样的话：
如果你在研究的话
面料模拟
王华民教授的论文，你不可能没有读。
去年8月，他正式加盟国内时尚产业链3D数字化公司——凌迪科技Style3D，担任首席科学家兼凌迪研究院院长。
结果不到一年，带领团队带来了最新的产学研成果，将实时模拟技术提高到了一个新的水平。
研究进展如此之快，背后不仅有世界级技术团队实力的加成，更有企业产业化的动力。
凌迪科技Style3D
创立之初，着眼于最制约服装行业效率的服装设计开发环节。
其核心产品有：一是率先打破国外技术垄断的3D柔体仿真工业软件Style3D Studio
其二，全球创新的面料数字化设计软件style 3d结构
、另一研发全流程协作平台Style3D Cloud
以及独创的数字时尚内容资源商城Style3D Market。
在研发过程中，通过对面辅料的选择、设计、绘制模拟、协同和展示销售等全流程的数字化表达与配合，可以提高研发效率。
此外，凌迪Style3D还将根据工厂生产标准生成生产资料清单，并连接到生产制造环节，进一步推动全行业链路的数字化。
据悉，今年6月底凌迪Style3D将发布面向元宇宙开发者的神秘产品。
目前，其客户涉及国内外品牌公司、ODM (原创设计制造)公司、面辅料公司、泛电公司等。
值得一提的是，在SIGGRAPH收录结果发表的同一时期，凌迪Style3D官宣布为牛仔技术公司Jeanologia
正在合作。
世界上每年生产35%的牛仔裤，采用这家公司的环保技术。
在两者的配合下，牛仔设计师也可以直接在Style3D上一键调出牛仔裤图案和水洗效果图案等，不制作牛仔裤的果实就可以表现出牛仔裤水洗等多种技术的设计效果。
而且，这种高仿真的数码牛仔裤也可以直接拿去营销展示和销售。
实际上，这不仅可以推动整个服装产业链的效率化，也可以缓解更现实的全球性问题，即当下热议的碳中和、碳排放。
目前，纺织服装已成为世界上第二大污染产业
全世界每年填埋焚烧服装约1280万吨，制作服装所排放的废水占世界总量的20%，占世界碳排放量的10%。
而且，15%的纺织产品不使用，直接走向烧毁的命运，引起二次污染。
将整个产业从研发、生产到最后一次商品展览会的全过程转移到数字平台上，污染问题将得到有效解决，可持续时尚将真正成为现实。
在图形学产业发展的最后，回到这个SIGGRAPH收录的研究成果本身。
如您所见，为了体现企业的尖端技术能力，与NVIDIA、Google每年的传统演艺——这种酷炫逼真的特效技术不同。
从更垂直的产业角度来看，技术的反复不太容易被察觉，但确实解决了产业问题。
另一方面，这也表明图形技术来到了产业方面，创造了价值。
图形学最有可能、最大限度落地的领域，不是成为话题的电影和游戏，而是服装和工业等产业领域。
另一方面，中国在图形学方面技术水平不弱，表现为像AI一样从尖端向产业加速前进。
从这次SIGGRAPH论文的收录结果来看，中国队已经占了名单的大部分，其中也有高中和企业代表。
随着图形产业的价值变得更显著
更多的全球牛加入其中。 企业也通过设立研究院或开始奖学金，让更多的大学人才参加。
以凌迪Style3D为例，去年启动了凌迪图形学奖学金
每位获奖者将获得3万元现金奖励，首期将有清华、浙大、中科大、南开、山大等10名硕博士获得。
这样，产学研闭环的形成，有利于图形产业化的长远发展。
现在，爆炸的元宇宙，终于把泡沫压碎了。 只能像当初的AI那样，将基础技术和产业组合起来，发挥更长期的价值。
在这方面，中国的企业已经先行一步。
结束了
量子比特QbitAI 头条号合同
关注我们，第一时间了解尖端技术动态
