하면 하는 사람

이 논문은 NVIDIA의 PBD 기반 시뮬레이션 framework인 FleX에서 유체에 적용한 논문이다. 이 논문의 기술을 통해 FleX에서 사실적인 유체 시뮬레이션을 실시간으로 계산할 수 있게 되었다.AbstractPosition Based Fluids 논문은 실시간 유체 시뮬레이션을 위한 효율적인 방법을 제안한 연구이다. Smoothed Particle Hydrodynamics(SPH) 등의 기존의 유체 시뮬레이션 기법은 물리적 정확성은 뛰어나지만 계산 비용이 많이 들기 때문에 실시간 응용에서는 비효율적인 경우가 많았음. 이 논문에서 제시하는 방법은 Position Based Dynamics(PBD) 프레임워크를 사용하여 안정적이고 빠른 유체 시뮬레이션을 구현하는 방법을 제시한다.  Contribut..

이 논문은 2006에 VRIPHYS라는 곳에서 발표된 논문이다. top tear 학회에 발표된 논문은 아니지만, 이후 많은 곳에서 이 기술을 사용하여 reference도 되게 많은 물리 기반 시뮬레이션의 기반이 되는 논문이다. 논문의 원본은 첨부 하였고, 실행 영상이 유튜브에 있는데 오래된 논문이라 퀄리티는 낮다. (참고 정도로 보면 될듯 하다) 유튜브 링크 : https://www.youtube.com/watch?v=j5igW5-h4ZM&list=PLP3DwASLYl-kloNdWUp6amceoHdKIn-jH요약전통적으로 뉴턴 제 2법칙을 이용하여 힘으로 가속도와 속도를 계산하는 방식이 이 논문 전에 물리 기반 시뮬레이션에서 주류였다. 하지만, 이 방식은 time step도 짧게 해야해서 계산도 오래 걸..

이 논문은 SIGGRAPH2023에 발표된 논문으로, 다음 링크에서 논문 원본을 볼 수 있다. 논문 : https://dl.acm.org/doi/10.1145/3610548.3618206 유튜브 링크 : https://www.youtube.com/watch?v=FlxXvRKzBFs 요약 이 논문의 핵심 contribution은 다양한 skeleton 구조를 가진 캐릭터 간의 동작 전환, 분류, 재구성 등을 skeleton 구조에 구애받지 않고 수행할 수 있는 새로운 framework인 SAME의 개발이다. 원래는 정해진 skeleton인 캐릭터에 대해서만 학습하고 이에 맞는 캐릭터에 대한 동작에 즉 다양하게 생긴(다양한 skeleton을 가진) 캐릭터들이라도 이 모양에 구애받지 않고 동작을 만들 수 있다..

이 논문은 SIGGRAPH2023에 발표된 논문으로, 다음 링크에서 논문 원본을 볼 수 있다. 논문 : https://research.nvidia.com/labs/toronto-ai/vid2player3d/data/tennis_skills_main.pdf 유튜브 링크 : https://www.youtube.com/watch?v=ZZVKrNs7_mk 요약 이 논문은 테니스 방송 비디오에서 얻은 많은 테니스 경기 data로부터 다양하고 복잡한 테니스 기술을 학습하는 시스템을 제시하였다. 큰 틀은 아래 그림과 같은데, input인 방송 비디오로부터 저수준 모방 정핵과 고수준 모방 정책, motion embedding 기술을 결합한 계층적 모델을 사용한다. 최종적으로 이 시스템은 물리적으로 시뮬레이션된 캐릭터가..