محاكاة القماش العصبية

نقدم إطارًا عامًا لمشكلة تحريك الملابس باستخدام التعلم العميق غير المشرف المستوحى من المحاكاة الفيزيائية. على الرغم من أن الاتجاهات الحالية في الأدبيات تبحث في هذه الإمكانية، إلا أنها لا تتعامل مع ديناميكيات القماش. في هذا البحث، نقترح أول منهجية قادرة على تعلم ديناميكيات القماش الواقعية بطريقة غير مشرفة، وبالتالي，则形成了一种神经布料模拟的一般公式。实现这一目标的关键在于将现有的基于模拟的运动优化方案适应于深度学习。然后，通过分析问题的本质，我们设计了一种架构，该架构能够自动解耦静态和动态布料子空间。我们将展示这种解耦如何提高模型性能。此外，这还为一种新的运动增强技术开辟了可能性，该技术大大提高了泛化能力。最后，我们展示了它还允许控制预测中的运动水平。这对艺术家来说是一个前所未有的有用工具。我们对问题进行了详细分析，以建立神经布料模拟的基础，并指导未来在这个领域的具体研究。为了更好地符合阿拉伯语的表达习惯和正式风格，以下是进一步优化后的翻译：نقدم إطارًا عامًا لمشكلة تحريك الملابس باستخدام التعلم العميق غير المشرف المستوحى من المحاكاة الفيزيائية. رغم أن الاتجاهات الحالية في الأدبيات تبحث في هذه الإمكانية، إلا أنها لا تتعامل مع ديناميكيات القماش (cloth dynamics). في هذا البحث، نقترح أول منهجية قادرة على تعلم ديناميكيات القماش الواقعية بطريقة غير مشرفة، وبالتالي，则形成了一种神经布料模拟的一般公式 (a general formulation for neural cloth simulation). تحقيق هذا الهدف يعتمد بشكل أساسي على تكيف مخطط الأمثلة الحركية الموجود حاليًا في الأساليب القائمة على المحاكاة مع التعلم العميق. بعد ذلك، ومن خلال تحليل طبيعة المشكلة، صممنا هيكلية قادرة على فصل المساحات الثابتة والديناميكية للقماش بشكل آلي وممنهج. سنوضح كيف يساهم هذا الفصل في تعزيز أداء النموذج. بالإضافة إلى ذلك، فإن هذا يفتح المجال أمام تقنية جديدة لتعزيز الحركة التي تحسن بشكل كبير قدرة التعميم. وأخيرًا، نبين أنه يسمح أيضًا بتحكم مستوى الحركة في التنبؤات. يعد هذا أداة مفيدة وغير مسبوقة للفنانين. نقوم بتقديم تحليل مفصل للمشكلة لإنشاء أساس للمحاكاة العصبية للملابس ودليل لأبحاث مستقبلية حول جوانب هذه المجال.