解像度に不変な適応的体積力学特性フィールド
Adaptive Volumetric Mechanical Property Fields Invariant to Resolution
3Dオブジェクトのヤング率やポアソン比などの力学特性を、入力形状に応じて適応的なボクセル構造で高解像度に推定する手法を提案。従来法より16倍高い解像度で、より正確かつ効率的にシミュレーション用アセットを生成できる。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Rishit Dagli, Donglai Xiang, Vismay Modi, Xuning Yang, Gavriel State, David I. W. Levin, Maria Shugrina
分類: cs.CV, cs.LG, cs.RO
原文アブストラクト
Accurate mechanical properties (or materials) Young's modulus ($E$), Poisson's ratio ($\nu$) and density ($\rho$) are essential for reliable physics simulation of digital worlds, but most 3D assets lack this information. We propose AdaVoMP, a method for predicting accurate dense spatially-varying ($E$, $\nu$, $\rho$) for input 3D objects across representations, improving the resolution, accuracy, and memory efficiency over the state-of-the-art. The foundation of our technique is a sparse and adaptive voxel structure SAV that efficiently represents both the input 3D shape and the material field output. We replace the fixed-voxel model of the most accurate prior method, VoMP, with a novel sparse transformer encoder-decoder model that learns to generate a unique SAV autoregressively for every input shape to represent its materials, achieving a resolution $16^3\times$ higher than prior art. Experiments show that AdaVoMP estimates more accurate volumetric properties, even with lesser test-time compute than all prior art. This allows us to convert high-resolution complex 3D objects into simulation-ready assets, resulting in realistic deformable simulations.
関連論文
- Lodos-v2: 厳密な摩擦接触問題の効率的な主形式定式化物理シミュレーション
- RiCo: 局所接触推論による剛体相互作用のニューラルシミュレーション物理シミュレーション
- 物理世界モデルにおける安定性と反事実的推論の構造的基盤物理シミュレーション
- S4R: 剛体の相互貫入を解消するスケーリング手法物理シミュレーション
- PhysiFormer: ワールド空間での力学シミュレーション学習物理シミュレーション
- ハイブリッド神経世界モデル物理シミュレーション
