天天看點

圖形學的未來:投身業界、布料仿真大牛王華民談實時模拟的前世今生

圖形學的未來:投身業界、布料仿真大牛王華民談實時模拟的前世今生

不管是圖形學圈内還是圈外,實時的重要性一直缺乏足夠認識。 長期以來,圈記憶體在着一個誤解:實時技術應該留給工業界開發。不少人覺得實時技術無非是把非實時技術優化一下。這種誤解造成了圖形學今天的尴尬局面。 一方面,非實時技術的應用基本僅在後期視效,而這一塊已相當飽和。另一方面,大量亟需實時技術的應用,如高品質VR,數字人、虛拟試衣、虛拟手術等等,卻遲遲無法落地。

圖形學的未來:投身業界、布料仿真大牛王華民談實時模拟的前世今生

随着 NVIDIA RTX 方案的推出,實時渲染的問題已經逐漸解決。相比之下,實時實體模拟變得非常重要。和渲染不同,模拟的多樣性決定了實時模拟無法單純依賴硬體解決。RTX的加速結構也隻能解決一小部分模拟問題。

圖形學的未來:投身業界、布料仿真大牛王華民談實時模拟的前世今生

過去

二十年前,當我跨入圖形學圈的時候,是不存在實體模拟這個概念的。當時模拟的主要應用是制作電影特效。而實時實體模拟被認為是mission impossible。

圖形學的未來:投身業界、布料仿真大牛王華民談實時模拟的前世今生

加勒比海盜:世界盡頭(2007)中的漩渦效果,由 ILM 的 Frank Lossaso-Petterson 利用斯坦福大學的 PhysBAM 實體模拟引擎完成。Frank 與本文作者是斯坦福的同研究組同學。

從技術上講,實體模拟可以劃分為流體模拟和形變體模拟兩大類。這樣的劃分不太嚴格,但形變體模拟,包括彈性體模拟、布料模拟、頭發模拟等等,有很多的共同之處。這與流體模拟是不太一樣的。這與流體模拟有很大不同。

圖形學的未來:投身業界、布料仿真大牛王華民談實時模拟的前世今生

與流體相比,形變體更加常見,應用的範圍也更加廣闊。讀博期間(2004 年 - 2009 年),我主要研究的是流體。畢業以後,我逐漸意識到形變體的重要性,改為研究形變體。

早期的實時實體模拟技術非常簡陋。很多時候需要犧牲模拟品質或者實體正确性。

回過頭來看,Projective Dynamics (SIGGRAPH 2014) 是一篇非常重要的論文。它的重要性不在于提出的技術本身,而在于讓很多人意識到實體模拟與非線性優化之間的相關性。從此大家的思路被打開了。

圖形學的未來:投身業界、布料仿真大牛王華民談實時模拟的前世今生

以此出發,包括我們在内的各個研究團隊不斷提升形變體模拟的效率,使得新一代的實體模拟引擎越來越快。

值得一提的是,我們團隊主要研究 GPU 上的實體模拟。和 CPU 相比,GPU 的并行能力更加出衆。我們的模拟引擎的表現也更加出衆。

與此同時,我們的模拟算法也需要适配GPU硬體的并行特性。想直接把CPU上的技術搬上GPU是很難成功的。

現在

時至今日,我覺得高品質的實時形變體模拟已經部分可行了。

首先說說遊戲。遊戲裡使用的形變體模拟大多以 position-based dynamics (PBD) 技術為主。一個典型的執行個體是 NVIDIA 的 NvCloth。作為一個十多年舊的技術,PBD依舊活躍在今天,其實有着深刻的原因。

圖形學的未來:投身業界、布料仿真大牛王華民談實時模拟的前世今生

一個最主要的原因在于現如今很多遊戲需要考慮到跨平台,特别是移動端的的運作效率。而在一個遊戲中,留給實體模拟的資源非常有限。對于模拟算法而言,記憶體通路通常會導緻很大的計算成本。像PBD這樣缺乏實體意義的算法就顯得廉價且高效。

圖形學的未來:投身業界、布料仿真大牛王華民談實時模拟的前世今生

PBD 的缺點也很明顯。當模拟需要的網格規模變大(比如超過 1024 個頂點),PBD 的效率就不再那麼優秀了。

遺憾的是,目前似乎并沒有比 PBD 更适合遊戲的實時模拟方法。如何為遊戲提供高品質實時模拟将會是一個很重要的難題。

倘若我們把硬體資源的限制放寬些,允許模拟引擎可以完全使用最新的 GPU,那現狀還是比較樂觀的。

比如,我們 2016 年的工作,已經能在 GeForce GTX TITAN X 上實時模拟近 6 萬個四面體網格的超彈性效果 (hyperelasticity)。

圖形學的未來:投身業界、布料仿真大牛王華民談實時模拟的前世今生

一條被拉得扭曲的龍。

而今年(2021)我們在 SIGGRAPH 上展示的工作,更是能夠在 2080Ti 上實時模拟一件有着 11 萬個三角形的襯衫。

圖形學的未來:投身業界、布料仿真大牛王華民談實時模拟的前世今生

形變體模拟的開發主要有兩個技術門檻:運動求解(dynamics solver)與碰撞處理(collision handling)。在人體組織、肌肉等需要四面體網格模拟的場景中,運動求解通常是計算開銷的主要來源。而對于服裝、頭發等模拟而言,碰撞處理尤為重要。

如何安全、穩定、高效地處理自碰撞,是所有形變體模拟引擎繞不開的問題。

需要提到的一點。大多數非實時碰撞處理技術無法在GPU上有效并行。是以,我們的團隊最近把大量的精力放在利用GPU進行高效碰撞處理上。我們今年的工作将會是一個重要的開端。

未來

在不久的将來,GPU 毫無疑問會越來越快。

但我們不能單純把實時模拟寄希望于硬體的提升上。過去,實時模拟技術的發展同時依賴于硬體的提升與算法的支援。未來,我們同樣需要開發更高效、更比對硬體的模拟算法,來實作更高品質的實體模拟。

我覺得,多重網格(multigrid)

圖形學的未來:投身業界、布料仿真大牛王華民談實時模拟的前世今生

多 GPU 并行

圖形學的未來:投身業界、布料仿真大牛王華民談實時模拟的前世今生

等等,都會是值得研究的方向。

事實上,我最近在 SIGGRAPH 2021 發表的工作,已經可以以一秒一幀的效率模拟一千萬個三角形的服裝了。

圖形學的未來:投身業界、布料仿真大牛王華民談實時模拟的前世今生

對于流體,我其實特别喜歡基于各種波的實時水面模拟算法。我之前在佐治亞理工的同學,現在在奧地利IST的Chris Wojtan教授就做過很多這方面研究。當然,流體的表現形式太多樣了。如果想實時模拟大規模的水花四濺還需要更多的工作。

圖形學的未來:投身業界、布料仿真大牛王華民談實時模拟的前世今生

以假亂真的實時模拟效果出現的那天,不會太遙遠。

作者簡介:王華民,俄亥俄州立大學終身教授,四屆 SIGGRAPH 技術論文委員會委員,公認的世界級圖形學科學家。他還是淩迪科技 Style3D 首席科學家兼淩迪研究院院長。他曾以唯一作者身份獨立完成四篇 SIGGRAPH(全球規模最大、影響最大的圖形學會議)論文。王華民的論文也屢屢被指定為斯坦福、UC 伯克利等名校圖形學課程的參考文獻。

他的學生遍布知名大廠,從矽谷的 Google、Facebook、Adobe,到國内的阿裡、位元組、百度等圖形和模拟開發領域的重要崗位,都有他曾授業解惑的門徒。業内流傳:如果你研究布料仿真,就不可能沒讀過王華民教授的論文。

繼續閱讀