点击上方蓝字
CG世界
关注CG我们
“ 感知CG · 感触创意 · 感受艺术 · 感悟心灵 ”
中国极具影响力CG领域自媒体
近10年来，我们总能在Siggraph Asia大会上看到有关计算机图形行业的最前沿技术。今天我们从2018大会中挑选了10个CG最新技术及其论文介绍，内容涵盖虚拟现实、模型&展UV、3D打印等方面。这些论文不仅有科学技术的创新，还有对于实际的应用，以及详细的视频展示。正是因为这些技术，才让我们的CG工作不断进步和发展，那就一起来看看吧。
![]()
《物质点法的GPU优化》
物质点法（Material Point Method,缩写为MPM，采用质点离散材料区域，用背景网格计算空间导数和求解动量方程）应该是模拟复杂材料的最有效办法了吧，同样也是一种适用于在GPU上进行可能并行处理的方式。但是目前还不清楚最好的物质点方法是什么样的。
在这篇论文中，来自宾夕法尼亚大学和犹他州大学的研究人员评估了GPU上执行MPM计算的替代方法，提出了数量级的性能提升。他们自己的显式和完全隐式求解器配备了“卡通图像变形算法MPM”热解算器，也可以模拟弹塑性的热机械效应。
研究结果就是，在Nvidia Quadro P6000 GPU上运行时，模拟系统在每帧10.5秒内将Stanford Dragon的420万粒子弹塑性变成熔池（molten goop）。
扫描二维码观看讲解视频
![]()
《混合粒子：颗粒介质离散和连续模拟的自适应耦合》
离散元素的方法可以准确地再现颗粒材料的表现方式，但是不能很好的扩展大型模拟。而连续体方法倒是能实现扩展这一点，问题就是看起来不是太真实。
这种新的混合方式尝试将两种技术的优势结合起来，将模拟区域划分为“安全时连续区域”和“必要时的离散区域”。
由此产生的模拟计算速度确实比单纯的离散方法快了很多，而且还复制了现实世界的复杂效果，比如模拟沙子从筒仓发射后堵塞/弹跳，或者是轮胎在沙石路面滚动的模拟。
扫描二维码观看讲解视频
![]()
《多模式服装设计中共享形状空间》
传统的CG布料设计流程使用的是反复试验的方法，将3D服装覆盖在角色上，然后迭代地调整相应2D图案部分，以改进其挂起的方式。
而新的技术方式减少了“猜测”的过程，允许用户简单地绘制自己想要的结果，并通过软件生成3D服装和2D图案的部分，甚至还可以调整角色进行匹配。
通过研究，具有折叠图案的CG布料，可以匹配现实世界的参考图像，而且可以非常容易地重新定位到具有不同身形的角色身上。
扫描二维码观看讲解视频
![]()
《OptCuts：表面切割和参数化的联合优化》
展UV技术倾向于交换的连续性和准确性，操作过程中想要实现的就是将UV岛之间的接缝长度最小化，但是这样往往都会加剧纹理变形。
由不列颠哥伦比亚大学、麻省理工学院和Adobe Research团队共同开发的OptCuts算法，旨在同时优化这两种属性，在尽可能减少UV接缝尝长度的同时，尽可能保持在最大变形程度之下。
用户还可以通过直接在3D模型上绘制来影响结果，包括或者排除因接缝形成的表面部分。
这项研究结果适用于包括章鱼、犰狳和骆驼在内小部分动物的有机模型中，同时论文本身也包括了对于ZBrush 和Unwrella等商业工具的比较和分析。
扫描二维码观看讲解视频
![]()
《有效材质采集和渲染的自适应参数化方法》
双向反射分布函数（Bidirectional Reflectance Distribution Functions ）描述的是材质和光是如何相互作用的，阐释了微观不规则性散射光线以不同角度照射其表面的程度。
尽管它在基于物理渲染中无处不在，但是获取真实世界的数据是一个相当复杂而且耗时较长的过程，而且需要扫描高分辨率的多角度材质。
论文研究人员利用4D域扫描限制的部分，简化为“简单的1D或2D反射率测量”的过程。这项技术利用标准的测角光度计即可实现，并且生成一系列高质量的材质。
![]()
《任意分层BSDF的无固定位置蒙特卡洛模拟》
现实世界的材质都是分层的，从汽车喷漆到人类的皮肤等等。每层的性质以及层层之间的表面变化都呈现出了一系列非常复杂的光学性质。（BSDF：双向散射分布函数，Bidirectional scattering distribution function）
所以模拟光层交互是非常有挑战性的一件事情，而基于现有的方法，想要精确计算，就会耗时耗力；要是引入近似值，就会影响其准确性。
来自加州大学欧文分校和Autodesk的研究人员，介绍了一种非常高效的，而且是基于蒙特卡洛模拟方法的无偏分层BSDF模型，唯一就是要假设所有层都是真实存在的。
扫描二维码观看讲解视频
![]()
《飞行生物通过自我调节学习实现特技飞行控制》
像Deep Reinforcement Learning (DRL)这样的AI技术，为动画角色生成了控制系统，使其可以模仿参考镜头的外观，同时演员也可以对新环境进行相应。
虽然AI方法已经能够对生物的行走和奔跑产生很好的效果，但是重新创建飞行生物的动作还是存在一些问题。
首尔国立大学的研究团队引入了一个新的概念，就是通过自我调节学习，可以与DRL一起使用，使得AI演员控制自己的学习过程。
视频从Flappy Bird水平开始，小龙的动画在不同高度飞行，然后速度越来越快，CG生物最终完成了整个循环的过程。
扫描二维码观看讲解视频
![]()
《用于虚拟现实的全景光场静止图像的获取、压缩和渲染系统》
光场数据是测量一定空间中光线在每个点、每个方向传播后得到的数据，通过这些数据，可以在VR中真实地展示出具有精确运动视差的摄影环境。
由Google团队的研究人员撰写的这篇论文涵盖了一系列先进的技术，包括两个用于捕捉全景光场的新设备，一个使用了16个GoPro摄像头，另一个只需要两个标准的数码单反相机即可。
得到的数据结果可以使用GoogleVP9视频编解码器的修改版本进行压缩，并且实时重建，显示在虚拟现实硬件设备上。点击视频观看详细讲解吧。
![]()
《通用积木和椎体的3D制作》
3D打印大型实体结构应该算得上是一项棘手的工作了吧，毕竟需要大量的材料来填充内部体积，或者需要定制一个内部支撑系统。
《物质点法的GPU优化》
