解析度不變之自適應體積機械屬性場
為何重要
這項技術解決了 3D 內容在物理模擬中常見的「資訊落差」，能讓開發者以較低的計算成本獲得複雜的物體變形結果，對追求真實感的遊戲開發與數位孿生產業具有重要的技術參考價值。
3D 數位模型往往缺乏物理模擬所需的精準機械屬性，導致虛擬場景在變形模擬上不夠真實。為瞭解決此問題，研究團隊提出「AdaVoMP」演算法，利用稀疏且適應性的體素結構 SAV 來預測物體的 (Young's modulus E, Poisson's ratio ν, density ρ) 連續分佈，並提升現有技術在解析度與記憶體效率上的表現。
- 這項技術以稀疏 Transformer encoder-decoder 模型取代了先前最精準模型 VoMP 的固定體素架構，讓模型能為每個輸入形狀自回顧生成獨特的 SAV 結構。
- 相較於前代技術，AdaVoMP 的解析度提升了 16^3 倍，且在準確度更佳的同時，還節省了測試時的計算資源。
- 該方法成功將高解析度的複雜 3D 物體轉化為可直接用於物理模擬的素材，實現逼真的變形模擬。