近年，学習ベースの衣服メッシュ生成手法が進歩し，生成過程での効率化やリアリティの維持が図られている．しかし，既存研究では，静的なポーズの下でパラメータ化された材料の，パラメータに基づく素材タイプのバリエーションに着目したものはなかった．本研究では，詳細な衣服のしわを維持しつつ，人間のポーズと衣服の材質の関数に基づいて衣服の変形を予測する学習ベースの手法である GarMatNet を提案する．GarMatNet は，平滑化された衣服のメッシュを予測するための一般的に適合するネットワークと，平滑化された衣服のメッシュに基づいて詳細なしわを追加するための局所的に詳細なネットワークの 2 つのコンポーネントから構成される．ここでは，衣服の変形には材質の特性が重要な役割を果たしているという仮説を立てている．衣服の変形は，ポーズや体型に比べて素材の影響が小さいため，異なる要素を線形補間することで変形を制御する．具体的には，素材間の差異を表現するために質量-バネモデルに基づいてパラメータ化された材質空間を適用し，材質特性とポーズの間で重み調整を行いながら適切なネットワーク構造を構築する．実験の結果，GarMatNet は物理ベースのシミュレーション（PBS）による予測と同等であり，ベースラインモデルと比較して，汎化能力，モデルサイズ，学習時間の点で有利であることがわかった．
論文
- Zen Luo, Tianxing Li, Takashi Kanai: “GarMatNet: A Learning-based Method for Predicting 3D Garment Mesh with Parameterized Materials”, 14th ACM SIGGRAPH Conference on Motion, Interaction, and Games (MIG 2021), Article No.4, pp.1-10, 2021.
[ Paper (author’s version)][Paper (publisher’s version)][Video (YouTube)]