💻 computer science

Adaptive Yarn Cards: Geometry-Aware Curved Texture Proxies for Efficient Rendering of Dynamic Woven Cloth

本文提出了一种自适应纱线卡（adaptive yarn cards），这是一种感知几何结构的弯曲纹理卡表示方法，它将低分辨率的纱线模拟与高密度渲染解耦，以高效近似动态编织织物的视觉保真度，同时显著降低几何复杂度，并实现相比于稠密纱线几何体 2.4 倍的渲染加速。

原作者： Jong-Hyun Kim

发布于 2026-10-01

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Jong-Hyun Kim

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，尝试创建一个编织织物的数字版本。为了让它看起来真实，你不能仅仅画出一张平整的布片；你必须对构成布料的数千根单根纱线进行建模，包括它们是如何扭转、弯曲以及相互重叠的。在计算机图形学领域，这种细节水平被称为“纱线级建模”（yarn-level modeling）。虽然它能产生极其逼真的图像，但对计算机的处理成本却高得惊人。每一根纱线都必须被计算为一个独立的 3D 对象，而且当织物移动时，计算机必须在每一帧中重新计算每一根纱线的位置。这造成了沉重的负担，经常导致动画变慢，或者使实时交互变得不可能，尤其是当织物复杂或移动迅速时。

当计算机需要以低分辨率模拟织物的物理特性以节省时间，但又要以高分辨率进行渲染以保证视觉效果时，挑战变得更加棘手。如果你只是简单地在模拟出的纱线间隙中填充更详细的纱线来制作最终图像，计算机最终会做大量的无用功，去绘制那些实际上并不参与运动的几何体。这就像是为了画一幅桥的画，而先造了一座全尺寸的木桥，最后才发现其实可以在一块平坦的木板上完成绘画，从而节省了所有的木材。

韩国仁荷大学的一位研究人员开发了一种新方法来解决这个问题，该方法允许计算机在不损失纱线真实感的情况下，更快地渲染复杂的、运动中的编织织物。他们称之为“自适应纱线卡片”（adaptive yarn cards）的解决方案，充当了沉重的 3D 模型与简单的平面图像之间的智能中间地带。该系统不再为最终图像构建数千根独立的 3D 纱线，而是使用带有织物纹理的扁平、弯曲的碎片——就像是用织物制成的扑克牌一样——这些卡片会随着织物的形状进行弯曲和扭转。这些卡片不仅仅是平面的正方形；它们的形状被设计为匹配随织物运动而变化的曲线，并且在其表面承载着精细的编织图案。

这种方法的精妙之处在于它如何决定在哪里使用这些卡片以及卡片的大小应该是多少。研究人员意识到，单一尺寸的卡片并不适用于运动织物的每一个部分。在织物悬挂笔直或移动平缓的区域，使用大尺寸卡片既完美又高效。然而，在织物褶皱、扭曲或撞击物体的地方，大尺寸卡片会显得笨拙且不准确。为了处理这种情况，系统会不断测量织物的形状。如果它检测到剧烈的弯曲或复杂的扭转，它会自动将该区域分解成更小、更多数量的卡片，以捕捉细节。如果织物平滑，它则保持卡片的大尺寸以节省计算能力。这个过程随着织物的移动自动且连续地进行，确保计算机只在织物最需要的部位投入精力。

为了测试他们的想法，研究人员运行了一系列涉及各种场景的模拟，例如在重力作用下垂下的窗帘、被扭转的布料、因热量而收缩的织物，以及与球体碰撞的布料。在每种情况下，他们都将这种新方法与传统的显式渲染每一根纱线的方法进行了对比。结果显示，自适应卡片系统可以产生与沉重的、精细的模型几乎完全相同的图像，但所需的计算量显著减少。平均而言，新方法比传统方法快了约 2.4 倍。更重要的是，它比使用固定尺寸卡片的方法更有效率，因为固定尺寸的方法要么在简单区域浪费资源，要么无法捕捉复杂区域的细节。

研究人员发现，即使对于非平面的织物（如圆柱形的袖子或圆锥形的裙子，它们从复杂的 3D 形状开始并随后发生褶皱或折叠），这种方法也同样适用。系统成功地调整了卡片的大小和数量，以匹配这些形状的变化复杂度。虽然该方法在观众可能需要观察单根纱线横截面的极端近距离观察下并不完美，但在大多数人观看数字织物的距离下，它表现出色。通过将物理模拟与视觉渲染解耦，研究人员创造了一种方法，使数字织物看起来既致密又真实，同时不必强迫计算机承担建模每一根纱线的繁重任务。这一进步预示着一个未来：复杂的、真实的布料动画可以在标准计算机上流畅运行，为更具沉浸感的虚拟环境和交互式模拟打开了大门。

技术摘要：自适应纱线卡片 (Adaptive Yarn Cards)

问题陈述

纱线级织物表示通过显式建模编织结构和单个纱线的几何特征，提供了极高的视觉保真度。然而，由于渲染需要显式生成和处理大量高分辨率的纱线几何体，这类方法会产生巨大的计算和几何成本。当渲染所需的分辨率超过物理模拟分辨率时，这一问题会更加严重。在这种情况下，在稀疏的模拟节点之间插值生成高密度的渲染纱线，会产生复杂的几何体，但这些几何体对底层动力学并无贡献，从而显著增加了渲染负载。虽然毛发渲染技术通常使用纹理卡片（textured cards）来近似纤维束，但这些方法通常依赖于平面四边形或固定尺寸的卡片，无法有效近似动态变形编织物中复杂的、双曲面的以及经纬交织的结构。

方法论

本文提出了自适应纱线卡片（Adaptive Yarn Cards），这是一种将低分辨率纱线模拟与高密度渲染解耦的新型表示方法。该方法使用具有几何感知能力的弯曲纹理代理（curved, geometry-aware textured proxies）取代了显式的、高密度的纱线几何体。

核心流水线

模拟与渲染解耦： 系统使用低分辨率的纱线结构 ( $Y^S$ ) 进行物理模拟。高密度的视觉外观并非生成为几何体，而是被压缩进定义在织物二维参数域上的程序化纹理 ( $T_{yarn}$ ) 中。该纹理编码了周期性的经纬模式，包括交织处的上下关系。
弯曲纹理卡片表示： 不同于平面看板（planar billboards），每个卡片都是一个通过采样当前模拟的织物表面 ( $S_t$ ) 构建而成的弯曲网格。顶点位置定义为 $p_k(u,v,t) = S_t(u,v) + \delta n_t(u,v)$ ，其中 $\delta$ 是一个微小的偏移量以防止深度冲突（z-fighting）。卡片保留了全局 UV 坐标，以确保无论如何细分，纱线图案在卡片边界处都能保持连续。
几何感知自适应划分： 为了避免固定尺寸卡片导致的低效问题（即在平坦区域过度近似而在复杂区域近似不足），该方法采用了一种基于几何感知误差度量的递归细分策略。
- 误差度量： 候选区域的误差 ( $E_k$ $E_{k}$ ) 由三个归一化项组合而成：
  - 法线变化率 ( $\tilde{E}^N$ )： 测量大规模的表面取向变化。
  - 局部曲率变化率 ( $\tilde{E}^C$ )： 通过相邻表面法线的差异来测量局部弯曲。
  - 双线性几何偏差 ( $\tilde{E}^G$ )： 测量表面相对于简单四角双线性片（four-corner bilinear patch）的偏差，用以检测扭转和非线性变形。
- 自适应逻辑： 如果组合误差超过分裂阈值 ( $\tau_{split}$ )，则对区域进行细分。如果误差低于合并阈值 ( $\tau_{merge}$ )，则合并子区域。在这些阈值之间设置迟滞区间（hysteresis interval）可以防止动态变形过程中的时间性跳变（temporal popping）。
时间相干性： 自适应层级每 $N_{update}$ 帧（默认为 6 帧）更新一次，而不是每一帧都更新，以平衡响应速度与计算成本。

核心贡献

自适应纱线卡片表示法： 一种将模拟分辨率与渲染密度解耦的方法，利用随动态织物变形的弯曲纹理代理取代显式的高密度纱线几何体。
弯曲纹理卡片渲染技术： 一种将编织外观压缩到纹理空间的技术，同时使用作为从模拟表面采样的弯曲代理而非静态平面四边形的卡片。
几何感知误差度量： 一种结合了法线变化、曲率和几何偏差的复合度量，用于驱动自适应划分方案，从而根据局部复杂度分配几何资源。
全面的评估： 将所提方法与高密度纱线几何、固定尺寸弯曲卡片以及纹理模拟网格在各种场景（悬垂、扭转、热收缩、碰撞及非平面配置）下进行了对比。

实验结果

实验在包括悬垂、扭转、热收缩、球体碰撞以及复杂非平面结构（圆锥裙、圆柱袖）在内的场景中进行。

几何复杂度： 与高密度纱线几何相比，自适应方法显著减少了渲染原语的数量。与固定尺寸卡片配置（例如 225 个固定卡片 vs. 91.1 个自适应卡片）相比，该方法平均减少了约 59.5% 的卡片数量。
渲染性能： 所提方法比显式高密度纱线几何实现了约 2.4倍 的平均渲染加速。它通过仅在几何复杂度需求处分配资源，表现优于固定尺寸卡片。
视觉质量： 该方法保留了主要的编织外观和整体形状。虽然它无法在近距离下恢复单个纱线的横截面或深层自遮挡，但在中远距离观察时能保持视觉连续性和图案保真度。
消融实验： 移除三个误差项中的任何一个（法线、曲率或几何偏差）都会导致更高的视觉误差（LPIPS）和轮廓误差，这证实了这些项在捕捉不同空间尺度变形方面的互补性。
敏感性： 分裂阈值 ( $\tau_{split}$ ) 和更新间隔 ( $N_{update}$ ) 允许在视觉保真度、时间稳定性与渲染性能之间进行权衡调节。

意义与局限性

论文声称，自适应纱线卡片提供了一种轻量级的表示方式，适用于复杂可变形织物的实时与交互式渲染。通过将编织图案的视觉密度与表面的几何复杂度分离，该方法实现了高保真渲染，而无需增加模拟分辨率。

作者明确指出，该方法并非在所有尺度下都能完全替代显式的纱线级渲染。它在宏观变形和编织组织主导而非单个纱线横截面和视差效应的场景中（即中远距离渲染）最为有效。该方法假设存在一致的织物参数域，并且无法原生处理如撕裂或接缝等拓扑变化。未来的工作建议集成视点与屏幕空间准则，以及用于近距离渲染的混合细节水平（LOD）过渡。