ClothTransformer: 統一潜在空間トランスフォーマーによるスケーラブルな布地シミュレーション

- 布シミュレーションを学習済み潜在空間での自己回帰系列モデリングとして再定式化する ClothTransformer を提案。 - 単一の Transformer で body-driven garments、robotic manipulation、free-fall collisions の多様なシナリオを扱う。 - 任意解像度のメッシュを固定サイズの latent tokens に圧縮し、時間発展計算をメッシュ解像度から独立させる。 - 約493.4kフレームの多様シナリオ高忠実度 penetration-free データセットを構築。

- 既存の neural cloth simulators は単一シナリオに特化し、メッシュ離散化に本質的に結合し、堅牢な衝突処理を欠く。 - 提案法は単一モデルで多様シナリオを扱い、全シナリオで先行 state-of-the-art より約4–9倍低い誤差を達成。 - 潜在空間定式化によりメッシュ解像度に依存しない時間発展計算を実現。 - differentiable Continuous Collision Detection (CCD) モジュールにより penetration artifacts を抑制。

- 布シミュレーションを学習済み潜在空間における自己回帰系列モデリングとして再定式化。 - 任意解像度メッシュを固定サイズの latent tokens に圧縮する scalable latent-space formulation を採用。 - 単一の unified Transformer architecture で body-driven garments、robotic manipulation、free-fall collisions を処理。 - differentiable Continuous Collision Detection (CCD) モジュールを組み込み、penetration artifacts を抑制。

- body-driven garments、robotic manipulation、free-fall collisions の3設定を含む約493.4kフレームのデータセットで検証。 - 全シナリオにおいて先行 state-of-the-art 手法より約4–9倍低い誤差を達成したと報告。 - differentiable CCD モジュールが penetration artifacts を抑制することを確認。 - 詳細な実験設定・評価指標は要旨からは不明。

- 既存 neural cloth simulators の単一シナリオ特化、メッシュ離散化への結合、衝突処理の欠如を課題として指摘。 - 提案法の貢献として統一 Transformer、スケーラブル潜在空間定式化、penetration-free データセットを提示。 - 限界・失敗ケース・計算コスト・汎化性に関する議論は要旨からは不明。

- 要旨で参照/比較されている先行研究: 既存の neural cloth simulators、prior state-of-the-art methods（具体的名称は要旨からは不明）。 - 関連手法: Transformer、autoregressive sequence modeling、Continuous Collision Detection (CCD)。 - 同分野の定番: cloth simulation、neural cloth simulation、mesh discretization、collision handling に関する研究。