##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
Анотація
Анотація. Симуляція тканин є важливим аспектом у сферах комп’ютерної графіки, медичних візуалізацій та інженерії матеріалів. Розробка ефективних і реалістичних методів моделювання тканини вимагає міждисциплінарного підходу, що охоплює механіку суцільних середовищ, обчислювальну геометрію та методи чисельного інтегрування [1], [2]. Особливе значення це набуває у зв’язку зі швидким розвитком електронної комерції та стрімким зростанням кількості онлайн-магазинів, де все більш актуальними стають так звані “віртуальні примірочні”. У таких системах ключовим завданням є реалістичне відображення поведінки тканини під час її “одягання” на тривимірні моделі людей. Саме коректна симуляція складок, розтягнень і взаємодій тканини з тілом користувача визначає рівень довіри до віртуальних примірочних та безпосередньо впливає на прийняття рішень споживачами у процесі вибору одягу онлайн. Таким чином, дослідження різних методів симуляції тканин, а також їх можливих комбінацій, є важливим завданням для досягнення високої реалістичності та фізичної коректності віртуальних примірочних.
У статті проаналізовано чотири базові методи симуляції тканин: масово-пружинну модель (Mass-Spring), позиційну динаміку (Position-Based Dynamics, PBD), метод скінченних елементів (Finite Element Method, FEM) та гібридний метод (Hybrid). Наведено математичні постановки, розглянуто чисельні методи інтеграції та особливості обробки колізій. Представлено методологію експерименту, в якому для кожного методу вимірювалися FPS, час виконання, використання пам’яті, стабільність, максимальна деформація, енергія системи та точність обробки колізій. Масштабованість досліджено за рахунок збільшення кількості вершин із 100 до 1600. Результати показують, що Mass-Spring моделі дають найвищу швидкодію, однак поступаються FEM у точності складних деформацій. PBD і Hybrid можуть слугувати компромісом між швидкістю та якістю, причому Hybrid підвищує точність локальних ділянок за рахунок поєднання з FEM. Зроблено висновок про залежність вибору конкретної моделі від пріоритетних вимог до швидкості, масштабованості та фізичної точності симуляції тканин, що є особливо важливим у віртуальних примірочних системах.
##plugins.themes.bootstrap3.article.details##
Посилання
[2] J. Teran, E. Sifakis, G. Irving, and R. Fedkiw, “Robust quasistatic finite elements and flesh simulation,” in ACM SIGGRAPH 2005 Courses, 2005, Art. no. 4.
[3] M. Müller, B. Heidelberger, M. Teschner, and M. Gross, “Meshless deformations based on shape matching,” ACM Trans. Graph., vol. 24, no. 3, pp. 471–478, 2005.
[4] R. Narain, A. Samii, and J. F. O'Brien, “Adaptive anisotropic remeshing for cloth simulation,” ACM Trans. Graph., vol. 31, no. 6, Art. no. 152, 2012.
[5] J. Bender, M. Müller, and M. A. Otaduy, “Position-Based Simulation Methods in Computer Graphics,” Comput. Graph. Forum, vol. 33, no. 6, pp. 228–251, 2014.
[6] M. Macklin and M. Müller, “Position Based Fluids,” ACM Trans. Graph., vol. 32, no. 4, Art. no. 104, 2013.
[7] Y. Li, C. W. Fu, C. L. Tai, and L. Liu, “Cloth Simulation Using Geometric Constraints with Contact Consistency,” IEEE Trans. Vis. Comput. Graph., vol. 27, no. 11, pp. 4269–4282, 2021.
[8] J. Teran, E. Sifakis, G. Irving, and R. Fedkiw, “Robust quasistatic finite elements and flesh simulation,” in ACM SIGGRAPH 2005 Courses, 2005, Art. no. 4.
[9] H. Wang, J. F. O'Brien, and R. Ramamoorthi, “Data-driven elastic models for cloth: modeling and measurement,” ACM Trans. Graph., vol. 30, no. 4, pp. 1–12, 2011.
[10] C. Deul, N. Chentanez, and M. Müller, “Hybrid Simulation of Deformable Solids,” in Proc. SCA, 2022, pp. 1–10.
[11] C. Liu and V. Narayanan, “Machine learning for cloth simulation: A survey,” Comput. Graph. Forum, vol. 41, no. 2, pp. 375–400, 2022.
[12] Z. Wang, K. Xu, J. Wang, and Y. Yu, “Predicting cloth deformation in real-time using deep neural networks,” ACM Trans. Graph., vol. 39, no. 4, Art. no. 107, 2020.
[13] M. Dojchinovski, S. Pejic, and M. Milev, “Cloth Simulation using Position Based Dynamics and GPU Optimization,” in Proc. 2023 13th Conf. Intelligent Systems (IS), 2023, pp. 199–205.
[14] NVIDIA Developer, “PhysX SDK Documentation.” [Online]. Available: https://developer.nvidia.com/physx-sdk. [Accessed: Mar. 20, 2025].