Variational r-Adaptive Cloth Simulation
Jiahao Wen, Zhen Chen, Jernej Barbič, Danny M. Kaufman
cs.GR
2026-08-18
变分 r-自适应首次用于带摩擦接触的布料:用一个只在单元接近退化时激活的 MIPS 质量正则,同时压掉局部极小陷阱和「塌单元降能量」两类失效,求解器再提速 3~6 倍。
布料的视觉看点(褶皱、折叠、屈曲)全靠高空间分辨率撑着,而一致隐式积分下均匀加密网格的计算代价承受不起。自适应模拟有三条路:h-自适应加顶点、p-自适应升阶、r-自适应保持连接关系不动、挪动参考网格(reference mesh,布料未变形时的 2D 材料坐标)里的顶点位置,把分辨率搬到最需要的地方。r-自适应对布料有个天然优势:顶点可以精确贴上桌角这类尖锐接触特征。
此前 r-自适应只对体固体做过。Adobe 这组人把它搬到薄壳布料上时撞上两个此前没人分析过的失效模式:
一是离散后的增量势能(IP)本身非凸,存在一批「不等价」的局部极小:它们不是物理上成立的另一组褶皱形态,是离散化造出来的次优解。牛顿法一旦掉进去,下降类求解器翻不过能量壁垒,网格越模拟越纠缠。
二是更隐蔽的作弊通道:低阶线单元上,单元形状烂掉后有限元近似局部失效,IP 数值本身不再是物理质量的度量。求解器发现把单元面积压到零,弹性能跟着面积一起缩水而重力载荷不变,布料整体多垂一点,IP 反而更低。于是优化器理直气壮地塌单元,「降能」与物理改进毫无关系。论文里一个 0.2K 顶点的挂布演示:不加约束的 r-自适应收敛到 -1.21×10⁻⁴,比 25.5 倍分辨率(5.1K 顶点)的固定网格基准还低,纯属作弊得手。
两个病灶一个药方:退化解激活的质量正则。要求它平时装死(健康的各向异性是 r-自适应安身立命的本钱,不能惩罚),单元接近退化时才猛踩刹车。
具体构造用 MIPS 能量密度:对每个三角形取参考构形到当前构形映射的变形梯度 F 的奇异值 σ₁、σ₂,算 ΨMIPS = σ₁/σ₂ + σ₂/σ₁(共形时取最小值 2)。质量能量定义为
Equality = max((ΨMIPS − εq)³, 0),阈值 εq = 2.5
这个正则顺手把第一类失效也治了:次优局部极小与单元质量劣化强相关(那条被过度拉伸的线段),抬高低质量盆地周围的能量,恰好把陷阱填平,全局极小不受影响(Fig. 2 的一维杆枚举验证:加正则后次优极小消失、全局极小位置不动)。布料特有的「单元聚束」(布滑过桌角时接触边一侧单元逐步纠缠塌陷)也一并消失。
第二项贡献是求解器提速,针对双层优化的两个瓶颈:
| 实验 | 对比 | 结果 |
| 求解器(Fig. 5 消融) | 对比 Wen et al. 2025 的 r-ITR | 体固体 5×、布料 3× 提速,两项策略独立可加 |
| 3D 体固体 masticator | 对比基线 | 全动画序列 6× 提速,对精细网格基准的 Hausdorff 距离仅增 1% |
| 两点挂布(Fig. 6) | 固定网格 26K 顶点 | 本方法 7.8K 顶点(3.3× 少)复现其丰富屈曲行为,能量更低、耗时更短 |
| 挂布作弊演示(Fig. 3) | 固定网格 5.1K 顶点 | 无质量项收敛到 -1.21×10⁻⁴(低于物理值);加质量项收敛到 -1.13×10⁻⁴,与高分辨率基准一致 |
| 方块披挂(两种厚度) | 等顶点预算固定网格 | 一致收敛到更低势能,固定网格出现非单调能量跳变(锁死特征),本方法完全没有 |
| 舞蹈人体上的裙子(14K 顶点) | 等预算固定网格 | 固定网格膜锁死、褶皱混叠;本方法褶皱流动平滑、多层折叠保住、落定后无锁死长折痕 |
评估协议本身值得一提:接触下的薄壳模拟没有唯一真值,不同分辨率给出物理上都合法的不同褶皱,论文按等预算能量下降、接触贴合度、锁死伪影三条轴评估,不设 ground truth。
这是首个能接进现代 IPC 管线(Incremental Potential Contact,当前布料接触摩擦的主流无穿透框架)的布料 r-自适应方法,两项贡献都可以单独迁移:质量正则的思路(度量无关,MIPS 可换成 ODT、最小角等)适用于任何变分 r-自适应;求解器的容差调度和导数缓存对体固体 ITR 同样生效,论文直接在体例上验证了 6× 提速。对布料仿真从业者,等顶点预算下多拿到一档分辨率的褶皱细节,是实打实的收益。Apple M3 Pro、18GB 内存的笔记本就能跑全部实验,门槛不高。