HOOD：用于服装动力学广义建模的分层图

我们提出了一种方法，该方法利用图神经网络、多级消息传递和无监督训练，实现了实时预测逼真的服装动态。现有的基于线性混合蒙皮的方法必须针对特定的服装进行训练，而我们的方法对身体形状具有普适性，既适用于紧身衣物，也适用于宽松、飘逸的服装。此外，我们的方法在推理时能够处理拓扑结构的变化（例如带有纽扣或拉链的服装）和材料属性的变化。作为本研究的关键贡献之一，我们提出了一种分层消息传递方案，该方案能够高效传播刚性拉伸模式，同时保留局部细节。实验结果表明，我们的方法在定量评估中优于强大的基线模型，并且其结果被认为比现有最先进方法更加逼真。