HOOD: 계층적 그래프를 이용한 의류 역동학의 일반화 모델링

우리는 그래프 신경망, 다단계 메시지 전달, 그리고 비지도 학습을 활용하여 실제 의상 역학의 실시간 예측을 가능하게 하는 방법을 제안합니다. 기존의 선형 블렌드 스키닝 기반 방법이 특정 의류에 대해 훈련되어야 하는 반면, 우리의 방법은 체형에 관계없이 적용되며, 밀착형 의류뿐만 아니라 느슨하고 자유롭게 움직이는 의류에도 적용됩니다. 또한, 우리의 방법은 추론 시점에서 위상 변화(예: 단추나 지퍼가 있는 의류)와 재료 특성을 처리할 수 있습니다. 주요 기여 중 하나로, 우리는 효율적으로 강성 스트레칭 모드를 전파하면서 로컬 세부 정보를 유지하는 계층적 메시지 전달 방식을 제안합니다. 실험적으로 우리 방법이 강력한 기준모델보다 정량적으로 우수하며, 그 결과가 최신 방법보다 더 현실적으로 인식된다는 것을 보여주었습니다.