3D
SIGGRAPH 2023
基于发束的混合头发模拟的无下垂初始化
Author
Venue
SIGGRAPH 2023
Abstract
拉格朗日/欧拉混合的基于发丝的头发模拟技术已迅速成为视觉特效和实时图形应用中的一种流行方法。在拉格朗日头发动力学中，发丝间的接触通过欧拉网格上的连续介质方法（即采用颗粒化Drucker-Prager流变学的MPM方案）来求解，从而避免了耗时的碰撞检测和处理。这种模糊的碰撞处理方式显著简化了建模过程。 然而，尽管当前的头发造型工具为该模拟方法提供了丰富的基于发束的建模工具，但至关重要的无下垂初始化功能却常常被忽视。 因此，当模拟开始时，重力会导致任何艺术化的发型下垂并变形，形成非预期且不理想的形状。本文提出了一种创新的四阶段无下垂初始化框架，用于求解混合发束式头发动力学系统的稳定准静态配置。这四个阶段分为两组全局-局部步骤。第一组确保每个欧拉网格节点处于静态平衡，并附加不等式约束以防止应力超出屈服面。 随后，我们在局部阶段推导出若干相关的闭式解，以并行计算发束段的静止长度、取向及粒子变形梯度。第二个全局-局部步骤沿每根发束进行求解，确保所有弯曲和扭转约束在每个发束段上产生的净扭矩为零，随后通过局部步骤将静止达布向量调整为单位四元数。 此外，我们对达布向量进行了关键性修改，以消除科塞拉杆在初始化和模拟过程中静止姿态的模糊性。我们针对多种发型对该方法进行了评估，该方法仅需数秒至数分钟即可获得数百根发丝的静止准静态配置。结果表明，本方法成功防止了头发下垂，且对模拟过程中的头发运动影响极小。
