Technische Samenvatting: Adaptieve Garenkaarten

Probleemstelling

Representaties van doek op garenniveau bieden een hoge visuele getrouwheid door geweven structuren en de geometrische kenmerken van individuele garens expliciet te modelleren. Ze brengen echter aanzienlijke computationele en geometrische kosten met zich mee, omdat het renderen de expliciete generatie en verwerking van een grote hoeveelheid hoogresolutie garengeometrie vereist. Dit probleem wordt verergerd wanneer de resolutie die nodig is voor visuele weergave de resolutie van de fysieke simulatie overstijgt. In dergelijke gevallen genereert het interpoleren van dichte rendering-garens tussen ijle simulatieknopen complexe geometrie die niet bijdraagt aan de onderliggende dynamica, wat de renderinglast aanzienlijk verhoogt. Ho alhoewel technieken voor het renderen van haar vaak draden benaderen met getextureerde kaarten, vertrouwen deze methoden doorgaans op planaire quads of kaarten van vaste grootte, die er niet in slagen de complexe, dubbel gekromde oppervlakken en snijdende warp-weft structuren van dynamisch vervormde geweven stoffen effectief te benaderen.

Methodologie

Het artikel stelt Adaptive Yarn Cards (Adaptieve Garenkaarten) voor, een nieuwe representatie die de laagresolutie garensimulatie ontkoppelt van de hoog-densiteit rendering. De methode vervangt expliciete hoog-densiteit garengeometrie door gekromde, geometrie-bewuste getextureerde proxies.

Kernpipeline

1. Ontkoppeling van Simulatie en Rendering: Het systeem gebruikt een laagresolutie garenstructuur ($Y^S$) voor de fysieke simulatie. De hoog-densiteit visuele verschijning wordt niet gegenereerd als geometrie, maar wordt gecomprimeerd in een procedurele textuur ($T_{yarn}$) gedefinieerd over het 2D-parametrische domein van de stof. Deze textuur codeert de periodieke warp- en weft-patronen, inclusief de over-onder relaties bij kruispunten.
2. Gekromde Getextureerde Kaartrepresentatie: In plaats van planaire billboards, is elke kaart een gekromd mesh geconstrueerd door het huidige gesimuleerde doekoppervlak ($S_t$) te samplen. Vertexposities worden gedefinieerd als $p_k(u,v,t) = S_t(u,v) + \delta n_t(u,v)$, waarbij $\delta$ een kleine offset is om z-fighting te voorkomen. Kaarten behouden globale UV-coördinaten om ervoor te zorgen dat het garenpatroon continu blijft over kaartgrenzen heen, ongeacht de subdivisie.
3. Geometrie-bewuste Adaptieve Partitionering: Om de inefficiëntie van kaarten met een vaste grootte te vermijden (die vlakke regio's overschatten en complexe regio's onderschatten), maakt de methode gebruik van een recursieve subdiviestrategie gebaseerd op een geometrie-bewuste foutmetriek.
   • Foutmetriek: De fout ($E_k$) voor een kandidaat regio combineert drie genormaliseerde termen:
     • Normaalvariatie ($\tilde{E}^N$): Meet grootschalige veranderingen in de oriëntatie van het oppervlak.
     • Lokale Krommingsvariatie ($\tilde{E}^C$): Meet lokale buiging via verschillen tussen aangrenzende oppervlaktenormalen.
     • Bilinaire Geometrische Afwijking ($\tilde{E}^G$): Meet de afwijking van het oppervlak ten opzichte van een eenvoudige vierpuntige bilineaire patch om tordering en niet-lineaire vervorming te detecteren.
   • Adaptieve Logica: Als de gecombineerde fout een splitsingsdrempel ($\tau_{split}$) overschrijdt, wordt de regio onderverdeeld. Als de fout onder een samenvoegingsdrempel ($\tau_{merge}$) valt, worden kindregio's samengevoegd. Een hysteresis-interval tussen deze drempels voorkomt tijdelijk 'poppen' tijdens dynamische deformatie.
4. Temporele Coherentie: De adaptieve hiërarchie wordt elke $N_{update}$ frames bijgewerkt (standaard 6) in plaats van elk frame, om een balans te vinden tussen responsiviteit en computationele kosten.

Belangrijkste Bijdragen

1. Adaptive Yarn Cards Representatie: Een methode die de simulatieresolutie ontkoppelt van de renderingdensiteit, waarbij expliciete hoog-densiteit garengeometrie wordt vervangen door gekromde, getextureerde proxies die de dynamische doekvervorming volgen.
2. Gekromde Getextureerde Kaart-rendering: Een techniek die de geweven verschijning comprimeert in de textuurruimte, terwijl kaarten worden gebruikt die deactiveren als gekromde proxies gesampled van het gesimuleerde oppervlak, in plaats van als statische planaire quads.
3. Geometrie-bewuste Foutmetriek: Een samengestelde metriek die normaalvariatie, lokale kromming en binaire geometrische afwijking combineert om een adaptief partitioneringsschema aan te sturen dat geometrische middelen toewijst op basis van lokale complexiteit.
4. Uitgebreide Evaluatie: Een vergelijking van de voorgestelde methode met dichte garengeometrie, kaarten met een vaste grootte en getextureerde simulatiemessen over diverse scènes (draperen, draaien, thermische krimp, botsingen en niet-planair configuraties).

Experimentele Resultaten

Experimenten werden uitgevoerd op scènes zoals draperen, draaien, thermische krimp, bolvormige botsingen en complexe niet-planair structuren (conische rokken, cilindrische mouwen).

• Geometrische Complexiteit: De adaptieve methode vermindert het aantal renderingprimitieven aanzienlijk vergeleken met dichte garengeometrie. Gemiddeld vermindert het het aantal kaarten met ongeveer 59,5% vergeleken met een configuratie met kaarten van vaste grootte (bijv. 91,1 adaptieve kaarten versus 225 vaste kaarten).
• Renderingprestaties: De voorgestelde methode bereikt een gemiddelde versnelling in rendering van ongeveer 2,4× ten opzichte van expliciete dichte garengeometrie. Het presteert beter dan kaarten met een vaste grootte door middelen alleen toe te wijzen waar de geometrische complexiteit daarom vraagt.
• Visuele Kwaliteit: De methode behoudt de belangrijkste geweven verschijning en algemene vorm van de dichte garen-baseline. Hoewel het geen individuele garen-doorsneden of diepe zelf-occlusie op korte afstand herstelt, behoudt het de visuele continuïteit en patgetrouwheid op midden- tot verre kijkafstanden.
• Ablatiestudies: Het verwijderen van een van de drie fouttermen (Normaal, Kromming of Geometrische Afwijking) resulteerde in een hogere visuele fout (LPIPS) en silhouetfouten, wat bevestigt dat de termen elkaar aanvullen bij het vastleggen van verschillende ruimtelijke schalen van deformatie.
• Gevoeligheid: De splitsingsdrempel ($\tau_{split}$) en het update-interval ($N_{update}$) maken het mogelijk om de afweging tussen visuele getrouwheid, temporele stabiliteit en renderingprestaties af te stemmen.

Betekenis en Beperkingen

Het artikel stelt dat Adaptive Yarn Cards een lichtgewicht representatie bieden die geschikt is voor de real-time en interactieve rendering van complexe vervormbare stoffen. Door de visuele densiteit van het weefpatroon te scheiden van de geometrische complexiteit van het oppervlak, maakt de methode hoogwaardige rendering mogelijk zonder de simulatieresolutie te verhogen.

De auteur geeft expliciet aan dat deze methode geen volledige vervanging is voor expliciete rendering op garenniveau op alle schalen. De methode is het meest effectief voor rendering op middellange tot verre afstand, waar macroscopische deformatie en weeforganisatie domineren boven individuele garen-doorsneden en parallax. De methode gaat uit van een consistent doek-parametrisch domein en behandelt van nature geen topologische veranderingen zoals scheuren of naden. Toekomstig werk suggereert de integratie van kijk- en schermruimte-criteria en hybride Level-of-Detail (LOD) overgangen voor rendering op korte afstand.