在元宇宙裡看時裝秀，會是什麼感覺？各種布料摩擦細節，不光看得一清二楚，而且就跟真的一樣。裙擺隨著模特的走動飛舞起來~光是看看，就能知道這件衣服是不是輕盈。這是圖形學大牛 王華民團隊的最新成果，提出了一個基於GPU的預處理器MAS，一張GPU完成實時布料碰撞特效。

比如這件羊毛大衣，就能以每秒37幀的速度實時模擬出來，仿真精度可達5mm。

而且也不光是衣服，連毛毛球、軟皮玩具也能實現逼真的碰撞特效。

其論文收錄於SIGGRAPH 2022。作為全球規模最大、水平最高的圖形學會議，SIGGRAPH每年接收的論文都代表著當年CG最高水平。

來康康這是一項什麼樣的研究？

一張GPU實時模擬碰撞特效

要構建真正意義上的元宇宙，首先需要的是一個強大的 實時物理仿真模擬引擎。

而當前常見的物理引擎在效果或效率上還遠達不到理想的狀態。

服裝模擬是所有模擬問題的製高點。

因為服裝的材質、碰撞都是最複雜的，解決好服裝模擬，就等於解決了大部分實時物理模擬問題，為未來元宇宙開發奠定基礎。

從技術上劃分，實時物理模擬分為流體和形變體模擬兩大類。

相較於流體，形變體的應用範圍更加廣泛，比如彈性體模擬、布料模擬、頭髮模擬等，其產業端的價值也更加清晰，比如在服裝、工業上的應用。

但當前困擾科學家的一道挑戰，是 完成更高質量的實時仿真。

任何形變體的模擬，最後都歸於一個線性求解問題，個中區別無非就是矩陣內部數值、稀疏程度還有矩陣大小的不同。

因此，如何 快速求解也就成為其中一個重要的突破口。

基於這樣的背景，王華民團隊提出了基於GPU的MAS預處理器（Multilevel Additive Schwarz Preconditioner）。

顧名思義，這一預處理器採用了多層和域（domain）分解的概念。

以往的算法主要依賴在一層網格上處理，這樣域越少越好，不然誤差大。

但此次研究人員則是構建多個網格層，這樣使用小的、不重疊的域，可以發揮GPU並行計算能力。

具體而言，MAS預處理程序可以分成三個階段。

第一階段，利用Morton代碼快速分層分域。

研究人員提出了一種超節點分割方法和跳過方法，用於空間的初步構建。

第二階段，通過單向Gauss-Jordan消除的低成本矩陣預計算，在每個域進行快速的inverse求解。此外，研究人員還開發了一個選擇性更新方案，以解決輕微的矩陣修改。

第三階段，運行時預處理，從而對矩陣向量快速求解。為了降低計算成本，研究人員發明了一種 對稱矩陣-向量乘法。

實驗表明，MAS預處理器與許多線性和非線性求解器兼容，這些求解器用於帶有動態接觸的形變體模擬，如PCG、加速梯度下降和L-BFGS。

以最常見的PCG求解器為例，在兩者一起使用時，在GPU上的收斂速率仍然明顯優於其他預處理程序，包括GPU上的多網格AmgX。

在達到相同的收斂目標時，MAS預處理器的收斂速度要比其他預處理器快 約四倍。

與此同時，MAS預處理器在CPU上也是有效的，其性能也優於其他預處理程序，比如英特爾的ILU0和ILUT。

除此之外還發現，MAS預處理器的計算開銷很低。

並行計算時僅為0.118秒，相比之下ILU0、ichol和ILUT的成本為2.50秒、33.8秒和154秒。

研究人員表示，此次為5萬個定點到50萬個頂點區間規模的布料和形變體仿真推向了一個更高水平。

未來還將繼續研究基於GPU域分解（GPU-based domain decomposition）的技術，因為這類算法有很多可以挖掘的空間。

Style3D出品

本次研究團隊來自Style3D研究院王華民所帶領的團隊。

王華民，俄亥俄州立大學前副教授，佐治亞理工學院計算機科學博士，斯坦福大學計算機科學碩士，公認的世界級圖形學科學家。

曾以唯一作者身份完成四篇SIGGRAPH論文，6屆SIGGRAPH/SIGGRAPH Asia技術論文委員會委員，其學生遍布知名大廠，因為聚焦布料仿真，業內流傳著這樣一句話：

如果你研究 布料仿真，就不可能沒讀過王華民教授的論文。

如果你研究 布料仿真，就不可能沒讀過王華民教授的論文。

去年8月，他正式加盟國內時尚產業鏈3D數字化公司——凌迪科技Style3D，任職首席科學家兼凌迪研究院院長。

結果不到一年時間，就率隊帶來了最新產學研成果，將實時仿真技術又提升到了新水平。

研究進展如此快速，背後既有世界級技術團隊的實力加成，也有企業的產業化驅動。

凌迪科技Style3D，創立之初將視線聚焦在最制約服裝行業效率的服裝設計開發環節上。

其核心產品，一個是率先打破國外技術壟斷的3D柔性體仿真工業軟件Style3D Studio，其二是全球創新的面料數字化設計軟件Style3D Fabric，另有研發全流程協同平台Style3D Cloud，以及開創性的數字時尚內容資源商城Style3D Market。

研發過程中從面輔料選擇、款式設計、渲染仿真、協同與展銷等全流程，都可以進行數字化呈現以及協同合作，以此來提升研發效率。

此外，凌迪Style3D還依據工廠生產標準生成生產資料清單，串起整個生產製造環節，進一步推動整個行業鏈路的數字化。

據透露，今年6月底凌迪Style3D將有面向元宇宙開發者的神秘產品發布。

目前，它的客戶涉及到海內外品牌方、ODM（原始設計製造）商、面輔料商以及泛電商等。

值得一提的是，就在SIGGRAPH收錄結果出爐同一時間，凌迪Style3D官宣了與牛仔技術公司Jeanologia的合作。

全球每年生產35%的牛仔褲，都採用了這家公司的環保技術。

兩者合作下，牛仔設計師也能夠直接在Style3D一鍵調用牛仔褲紋樣及水洗效果圖案等，無需製作牛仔褲實樣，即可呈現牛仔褲水洗等多種工藝的設計效果。

而且這樣高仿真的數字牛仔褲，還可以直接拿去營銷展示和售賣。

事實上，除了推動整個服裝產業鏈效率外，還有更現實的全球性問題能得到緩解，即現在熱議的碳中和、碳排放。

當前，紡織服裝已經成為全球第二大污染產業，全球每年約有1280萬噸服裝被填埋焚燒，製作服裝所排放的廢水佔全球總量的20%，並承擔著全球10%碳排放。

甚至於，還有15%紡織產品會遭遇不被使用，直接走向燒毀的命運，從而造成二次污染。

而一旦將整個產業從研發、生產到最後的商品展銷等全流程搬上數字平台，污染問題就能得到有效解決，可持續時尚才真正有落實的方向。

圖形學的產業發展

最後，回到這篇被收錄SIGGRAPH的研究成果本身。

可以看到的是，它不像是英偉達、Google每年傳統藝能——各種炫酷逼真的特效技術，以彰顯企業的前沿技術實力。

而是從更垂直的產業角度出發，技術迭代不太容易被人感知，但切實地解決了產業問題。

一方面，這說明圖形學技術已經來到了產業端創造價值。

圖形學最有可能、也是最大限度落地的領域，不是熱議的電影、遊戲，而是像服裝、工業這等產業領域。

另一方面還說明中國在圖形學上技術水平並不弱，會像AI一樣從前沿到產業加速前進。

從此次SIGGRAPH論文收錄結果可以看到，中國團隊已經佔據名單的一大半，其中不乏高校以及企業代表。

隨著圖形學產業價值更加 顯性，更多世界級大牛參與進來。企業也將通過設立研究院、啟動獎學金等方式吸引更多高校人才加入。

以凌迪Style3D為例，去年就啟動了 凌迪圖形學獎學金計劃，每位獲獎者將獲得3萬人民幣的現金獎勵，第一期就有清華、浙大、中科大、南開、山大等10名碩博士獲得。

如此一來，產學研閉環一形成，更有利於圖形學產業化的長期發展。

如今爆火的元宇宙，最終擠掉泡沫。像當初的AI一樣，只有將底層技術與產業相結合，發揮更長遠的價值。

而這一點，中國的企業已經先行一步。