本稿では、深層学習を用いてリグged衣類のポーズ空間変形（Pose Space Deformation: PSD）基底を自動的に取得する手法を提案する。従来のアプローチは、衣類のアニメーションに物理ベースシミュレーション（Physically Based Simulation: PBS）を依存している。これらは空間と時間の離散化を十分に細かくすることで、極めて現実的な結果を達成可能な汎用的な手法であるが、計算コストが高く、シーンの変更ごとに再シミュレーションが必要となるという課題を抱えている。一方、線形ブレンドスキンニング（Linear Blend Skinning: LBS）とPSDを組み合わせた手法はPBSに比べて軽量な代替手段を提供するが、適切なPSDを学習するためには膨大なデータ量が必要となる。本研究では、PBSを暗黙的に定式化した深層学習アプローチを用い、着衣人体という制約されたシナリオにおいて、教師なしで現実的な衣類のPSDを学習することを提案する。さらに、数シーケンス程度のPBSシミュレーションと同等の時間でこれらのモデルを訓練可能であることを示す。筆者らの知る限り、本研究は衣類用のニューラルシミュレータを初めて提案するものである。近年、深層学習に基づくアプローチがこの分野でトレンドとなりつつあるが、それらは多くのデータに依存するモデルであり、多くの場合、PBSデータからしわの詳細をより正確に学習するための複雑な定式化が提案されている。一方、教師あり学習による予測は物理的に整合性がなく、実用化には衝突解決が必要となる。また、PBSデータに依存するためスケーラビリティが制限され、モデルの定式化自体が適用性と互換性を阻害する。本研究では、LBSモデル（3Dアニメーションの標準）向けにPSDを教師なしで学習する手法を提案することで、これらの課題を両方とも克服する。得られた結果は、アニメーションされた衣類において衣類の整合性を維持しており、ポーズ依存的な折り目やしわが意味のある形で再現されている。本手法は極めて効率的であり、複数層の衣類を扱えるほか、教師なしでの服装サイズの変更も可能であり、任意のカスタム3Dアバターへの容易な適用が可能である。