HOOD : Graphes hiérarchiques pour la modélisation généralisée de la dynamique des vêtements

Nous proposons une méthode qui utilise les réseaux de neurones sur graphe, le passage de messages à plusieurs niveaux et l'entraînement non supervisé pour permettre la prédiction en temps réel des dynamiques réalistes des vêtements. Contrairement aux méthodes existantes basées sur le skinning par mélange linéaire, qui doivent être entraînées pour des vêtements spécifiques, notre méthode est indifférente à la forme du corps et s'applique aussi bien aux vêtements ajustés qu'aux vêtements amples et fluides. De plus, notre méthode gère les changements de topologie (par exemple, des vêtements avec des boutons ou des fermetures éclair) et les propriétés matérielles au moment de l'inférence. Comme contribution clé, nous proposons un schéma de passage de messages hiérarchique qui propage efficacement les modes d'étirement rigides tout en préservant les détails locaux. Nous montrons empiriquement que notre méthode surpasse quantitativement des baselines solides et que ses résultats sont perçus comme plus réalistes que ceux des méthodes de pointe actuelles.