Было бы невозможно вычислить все способы, которыми кусок ткани может сдвигаться, складываться и драпироваться на движущейся человеческой фигуре. Но после шести месяцев вычислений исследователи из Университета Карнеги-Меллона и Калифорнийского университета в Беркли почти уверены, что им удалось смоделировать почти все важные конфигурации этой ткани.
«Я считаю, что наш подход создает самую красивую и реалистичную ткань из всех методов реального времени», - сказал Адриан Трей, доцент кафедры компьютерных наук и робототехники в Карнеги-Меллон.
Чтобы создать эту тканевую базу данных, команда воспользовалась огромными вычислительными мощностями, доступными в облаке, и в итоге использовала 4 554 часа центрального процессора (ЦП) для создания 33 гигабайт данных.
Treuille сказал, что это представляет собой новую парадигму компьютерной графики, в которой можно будет обеспечить моделирование в реальном времени практически любого сложного явления, будь то естественно развевающийся халат или упряжка скачущих лошадей.
Доюб Ким, бывший постдокторский исследователь в Карнеги-Меллон, представит результаты своей команды сегодня на SIGGRAPH 2013, Международной конференции по компьютерной графике и интерактивным методам, в Анахайме, Калифорния.
Анимация сложных явлений в реальном времени для видеоигр или других интерактивных средств является сложной задачей. Для имитации поведения некоторых элементов, таких как ткань, необходим огромный объем вычислений, в то время как для таких вещей, как движение тела, просто не существует хороших компьютерных моделей. Тем не менее, сказал Трей. «Ну, это могло быть правдой 10 лет назад, но мир сейчас не такой».
Сегодня через такие сервисы, как Amazon, можно получить доступ к огромной вычислительной мощности онлайн по относительно низкой цене. Даже если все невозможно рассчитать заранее, исследователи решили выяснить, насколько многого можно добиться, используя ресурсы облачных вычислений.
При моделировании в этом исследовании исследователи сосредоточились на вторичных эффектах ткани - как одежда реагирует как на человеческую фигуру, носящую одежду, так и на динамическое состояние самой ткани.
Чтобы изучить эту очень сложную систему, Ким сказал, что исследователи разработали итеративный метод, который непрерывно отбирает движения ткани, автоматически обнаруживая области, в которых отсутствуют данные или где возникают ошибки. Например, в учебных симуляциях человеческая фигура носила ткань как халат с капюшоном; после некоторых вращений, из-за которых капюшон падал, анимация показывала, что капюшон снова надевается на голову фигуры без видимой причины. Алгоритм команды автоматически идентифицировал ошибку и исследовал динамику системы, пока она не была устранена.
Ким сказал, что теперь, когда много видеоигр онлайн, можно будет использовать такие методы для постоянного улучшения анимации игр. По ходу игры, когда анимация обнаруживает ошибки или непредвиденные движения, система может автоматически исследовать эту динамику и вносить необходимые дополнения или исправления.
Хотя в ходе исследования была получена обширная база данных по эффектам ткани, Ким сказал, что можно использовать обычные методы для сжатия десятков гигабайт необработанных данных в десятки мегабайт, более управляемый размер файла, который, тем не менее, сохраняет богатство анимации.
В дополнение к Трейю и Киму, в исследовательскую группу входили доцент CMU по информатике Кейвон Фатахалян и из Беркли Джеймс Ф. О'Брайен, профессор компьютерных наук и инженерии, Вуджонг Кох, доктор наук.студент D. и Рахул Нарайн, исследователь с докторской степенью.
Дополнительная информация и видео доступны на веб-сайте проекта https://graphics.berkeley.edu/papers/Kim-NEP-2013-07/index.html. Это исследование было поддержано при финансовой поддержке Научно-технического центра Intel для визуальных вычислений, Национального научного фонда, Исследовательской программы оплаты труда лабораторий Калифорнийского университета, стипендии Samsung и подарков от Google, Qualcomm, Adobe, Pixar и Фонда Окава.