什么会让你急着去超空间看时装秀。

各种面料的摩擦细节不仅清晰，而且真实。

裙子伴随着模特的走姿飞起来~光看一眼就能知道这件衣服轻不轻盈这是王华民团队的最新成果，一个图形大牛提出了基于GPU的预处理MAS，由一个GPU完成实时的布料碰撞效果

比如这件羊毛大衣，可以以每秒37帧的速度实时模拟，模拟精度可以达到5mm。

而且不仅是衣服，毛球，软皮玩具都可以达到逼真的碰撞效果。

其论文收录在《SIGGRAPH 2022》中作为全球规模最大，水平最高的图形会议，SIGGRAPH每年都会收到代表当年CG最高水平的论文

来康这是什么研究GPU实时模拟碰撞效果

为了建立一个真正的元宇宙，首先需要一个强大的实时物理仿真引擎但是目前常见的物理引擎无论是效果还是效率都远不理想服装模拟是所有模拟问题的制高点因为服装的材质和碰撞是最复杂的，解决好服装模拟就相当于解决了大部分实时物理模拟问题，为未来的超宇宙发展奠定了基础

从技术上来说，实时物理模拟可以分为两类:流体模拟和变形模拟与流体相比，可变形体的应用范围更广，如弹性体模拟，布料模拟，头发模拟等，其工业价值更明确，如在服装和工业上的应用

可是，目前困扰科学家的一个挑战是完成更高质量的实时仿真任何可变形体的模拟最终都是一个线性求解问题，区别无非是矩阵内部值，稀疏程度和矩阵大小的不同因此，如何快速解决成为一个重要的突破口

基于这一背景，王华民团队提出了基于GPU的MAS预处理器。

顾名思义，这个预处理器采用了多层和区域分解的概念以前的算法主要依靠在一层网格上处理，这样域越少越好，或者误差越大但这一次，研究人员正在建立多个网格层，以便通过使用小的，不重叠的域来发挥GPU的并行计算能力

具体来说，MAS预处理器可以分为三个阶段。

在第一阶段，使用Morton码对域进行快速分层和划分。

研究者提出了超节点分割法和跳跃法进行空间的初步构建。

第二阶段，通过单向高斯—约当消元的低成本矩阵预计算，在每个域内进行快速逆解此外，研究人员还开发了一种选择性更新方案来解决轻微的矩阵修改

第三阶段，运行时预处理，从而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预处理器兼容许多线性和非线性求解器，用于模拟具有动态接触的变形体，如PCG，加速梯度下降和L—BFGS。

以最常见的PCG求解器为例，当两者一起使用时，在GPU上的收敛速度仍然明显优于其他预处理器，包括GPU上的多重网格AmgX。

在达到相同收敛目标时，MAS预处理器的收敛速度比其他预处理器快4倍左右同时，MAS预处理器在CPU上也很有效，性能优于其他预处理器，如Intel的ILU0和ILUT

此外，还发现MAS预处理器的计算开销很低。

并行计算只有0.118秒，相比ILU0，ichol，ILUT的2.50秒，33.8秒，154秒的代价。

研究人员表示，这一次，5万个固定点到50万个顶点规模的布料和可变形体的模拟被推向了一个更高的层次未来我们会继续研究基于GPU区域分解的技术，因为这类算法有很大的挖掘空间

Style3D已制作

研究团队来自Style3D研究院王华民带领的团队。

王华民，美国俄亥俄州立大学前副教授，佐治亚理工学院计算机科学博士，斯坦福大学计算机科学硕士，公认的世界级图形科学家。

如果你是学布料仿真的，你不可能读过王华民教授的论文。

去年8月，正式加入国内时尚产业链3D数码公司，担任首席科学家兼灵帝研究院院长于是，在不到一年的时间里，团队带来了产学研的最新成果，将实时仿真技术提升到了一个新的高度

其核心产品是率先打破国外技术垄断的3D柔性体仿真工业软件Style3D Studio和全球创新的数字化面料设计软件Style3D Fabric此外，还开发了全流程研发平台Style3D Cloud和首创的数字时尚内容资源商城Style3D Market

在R&D的过程中，包括面辅料的选择，风格设计，渲染模拟，协作展示等全过程都可以数字化呈现，协同提升R&D效率。

此外，灵帝Style3D还根据工厂生产标准生成生产物料清单，串起整个生产制造环节，进一步推动整个行业环节的数字化。

据透露，今年6月底，灵帝Style3D将有一场面向元宇宙开发者的神秘产品发布目前其客户涉及国内外品牌，ODM厂商，面辅料厂商，泛电商等

值得一提的是，在SIGGRAPH采集结果发布的同时，灵迪Style3D正式宣布与牛仔科技公司Jeanologia达成合作全球每年生产35%的牛仔裤，全部采用这家公司的环保技术在两者的配合下，牛仔裤设计师还可以通过Style3D一键直接调用牛仔裤纸样和水洗效果纸样，无需制作真正的牛仔裤样品，就可以呈现牛仔裤水洗等工艺的设计效果

而且这种高度仿真的数字牛仔裤可以直接在营销中展示和销售。

事实上，除了促进整个服装产业链的效率，还有更现实的全球性问题可以缓解，即现在热议的碳中和碳排放问题。

目前，纺织服装行业已经成为世界第二大污染行业每年，世界上大约有1280万吨服装被掩埋和焚烧制衣业排放的废水占全球总量的20%，承担了全球碳排放的10%甚至，有15%的纺织产品会遭遇不用，直接去烧的命运，从而造成二次污染

一旦产业从R&D，生产到最终商品展销的全过程都放到数字平台上，污染问题就能得到有效解决，可持续的时尚就能真正落实。

图形的工业发展

最后回到SIGGRAPH本身的研究成果你能看到的是，它并不像英伟达和谷歌每年的传统艺术——各种酷炫逼真的特效技术来彰显企业的尖端技术实力但从更垂直的产业角度来看，技术迭代不容易被感知，却有效解决了产业问题

一方面说明图形技术已经到了工业端创造价值。

最有可能也是最大的图形领域，不是现在热议的电影，游戏，而是服装，工业等工业领域。

另一方面也说明中国在图形方面的技术水平不弱，会像AI一样从前沿加速走向产业从这篇SIGGRAPH论文的结果可以看出，中国团队已经占据了榜单的半壁江山，其中不乏来自高校和企业的代表

伴随着图形行业的价值越来越明显，更多的世界级大牛参与其中企业也会通过成立研究院，启动奖学金等方式吸引更多高校人才

以灵帝Style3D为例去年，灵迪图形奖学金计划启动，每位获奖者将获得3万元人民币的现金奖励第一期由清华，浙大，中科大，南开，山大的10名博士生获得

由此，产学研闭环的形成更有利于图形产业化的长远发展。

今天爆炸的超宇宙终于挤出了泡沫像最初的AI，只有把底层技术和行业结合起来，才能发挥更长远的价值