초록
우리는 물리 기반 시뮬레이션에서 영감을 받은 비지도 딥러닝을 통해 의상 애니메이션 문제에 대한 일반적인 프레임워크를 제시합니다. 기존 문헌에서는 이미 이 가능성을 탐구하고 있지만, 이러한 접근 방식들은 천의 역학적 동작을 처리하지 못합니다. 본 연구에서는 현실적인 천의 역학적 동작을 비지도적으로 학습할 수 있는 최초의 방법론을 제안하며, 이를 통해 신경망 기반 천 시뮬레이션의 일반적인 공식화를 도모합니다. 이를 달성하기 위한 핵심은 시뮬레이션 기반 방법론에서 사용되는 운동 최적화 방식을 딥러닝에 적응시키는 것입니다. 그런 다음, 문제의 본질을 분석하여 정적으로 설계된 구조로 정적 및 역학적 천 하위 공간을 자동으로 분리할 수 있는 아키텍처를 개발하였습니다. 우리는 이 방법이 모델 성능 향상에 어떻게 기여하는지 보여드리겠습니다. 또한, 이는 일반화를 크게 향상시키는 새로운 운동 증강 기술의 가능성도 열어줍니다. 마지막으로, 이 방법이 예측 결과에서 운동량의 수준을 조절할 수 있음을 보여드립니다. 이는 예술가들에게 유용한, 아직까지 본 적 없는 도구입니다. 우리는 천 시뮬레이션의 신경망 접근법의 기초를 마련하고, 이 분야의 특징에 대한 미래 연구를 안내하기 위해 문제에 대한 상세한 분석을 제공합니다.