Style3D登图形顶会SIGGRAPH 2022，王华民团队最新成果

在元宇宙里看时装秀,会是什么赶脚?

各种布料摩擦细节,不光看得一清二楚,而且就跟真的一样。

裙摆随着模特的走动飞舞起来～光是看看,就能知道这件衣服是不是轻盈。

这是图形学大牛王华民团队的最新成果,提出了一个基于GPU的预处理器MAS,一张GPU完成实时布料碰撞特效。

比如这件羊毛大衣,就能以每秒37帧的速度实时模拟出来,仿真精度可达5mm。

而且也不光是衣服,连毛毛球、软皮玩具也能实现逼真的碰撞特效。

其论文收录于SIGGRAPH 2022。作为全球规模最大、水平最高的图形学会议,SIGGRAPH每年接收的论文都代表着当年CG最高水平。

来康康这是一项什么样的研究?

一张GPU实时模拟碰撞特效

要构建真正意义上的元宇宙,需要的是一个强大的实时物理仿真模拟引擎。

而当前常见的物理引擎在效果或效率上还远达不到理想的状态。

服装模拟是所有模拟问题的制高点。

因为服装的材质、碰撞都是最复杂的,解决好服装模拟,就等于解决了大部分实时物理模拟问题,为未来元宇宙开发奠定基础。

从技术上划分,实时物理模拟分为流体和形变体模拟两大类。

相较于流体,形变体的应用范围更加广泛,比如弹性体模拟、布料模拟、头发模拟等,其产业端的价值也更加清晰,比如在服装、工业上的应用。

但当前困扰科学家的一道挑战,是完成更高质量的实时仿真。

任何形变体的模拟,都归于一个线性求解问题,个中区别无非就是矩阵内部数值、稀疏程度还有矩阵大小的不同。

,如何快速求解也就成为其中一个重要的突破口。

基于这样的背景,王华民团队提出了基于GPU的MAS预处理器 (Multilevel Additive Schwarz Preconditioner)。

顾名思义,这一预处理器采用了多层和域(doma)分解的概念。

以往的算法主要依赖在一层网格上处理,这样域越少越好,不然误差大。

但此次研究人员则是构建多个网格层,这样使用小的、不重叠的域,可以发挥GPU并行计算能力。

具体而言,MAS预处理程序可以分成三个阶段。

第一阶段,利用Morton代码快速分层分域。

研究人员提出了一种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消除的低成本矩阵预计算,在每个域进行快速的verse求解。,研究人员还开发了一个选择性更新方案,以解决轻微的矩阵修改。

第三阶段,运行时预处理,从而对矩阵向量快速求解。为了降低计算成本,研究人员发明了一种对称矩阵-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,这些求解器用于带有动态接触的形变体模拟,如PCG、加速梯度下降和L-BFGS。

以最常见的PCG求解器为例,在两者一起使用时,在GPU上的收敛速率仍然明显优于其他预处理程序,包括GPU上的多网格AmgX。

在达到相同的收敛目标时,MAS预处理器的收敛速度要比其他预处理器快约四倍。

与此,MAS预处理器在CPU上也是有效的,其性能也优于其他预处理程序,比如英特尔的ILU0和ILUT。

除此之外还发现,MAS预处理器的计算开销很低。