Ruochen Chen, doctorant à l'Ecole Centrale Lyon dans l'équipe Imagine, a remporté le prix du Best Student Paper Award à 3DV 2024 organisée à Davos, en Suisse.
L'article " GAPS : drapage de vêtement neuronal auto-supervisé, tenant compte de la géométrie et basé sur la physique " a été co-supervisé par Liming Chen et Shaifali Parashar.

Résumé de l'article :

La modélisation neuronale récente des déformations des vêtements, basée sur la physique, permet d'obtenir des résultats plus rapides et visuellement plus esthétiques que les méthodes existantes. Des paramètres spécifiques aux matériaux sont utilisés par la formulation pour contrôler l'inextensibilité du vêtement. Cela donne des résultats irréalistes avec des étirements physiquement invraisemblables. Souvent, le vêtement drapé est repoussé à l'intérieur du corps, ce qui est corrigé soit par un post-traitement coûteux, ce qui aggrave encore l'étirement incohérent, soit par le déploiement d'un régime d'entraînement distinct pour chaque type de corps, ce qui limite l'évolutivité de la méthode. En outre, le processus d'écorchage défectueux déployé par les méthodes existantes produit des résultats incorrects sur les vêtements amples.

Dans cet article, nous introduisons une contrainte géométrique dans la formulation existante qui tient compte des collisions et impose l'inextensibilité du vêtement dans la mesure du possible. Nous obtenons ainsi des résultats réalistes où les vêtements drapés ne s'étirent que lorsqu'ils couvrent des parties plus importantes du corps. En outre, nous proposons une méthode de dépouillement des vêtements tenant compte de la géométrie en définissant une mesure de proximité entre le corps et le vêtement qui fonctionne pour tous les types de vêtements, en particulier les vêtements amples. Notre code est accessible au public à l'adresse https://github.com/Simonhfls/GAPS.