NVIDIA Kaolin 库集成了先进的弹性模拟技术

生成式人工智能和多视图重建的最新进展，为快速 3D 内容生成铺平了道路。然而，根据 NVIDIA 技术博客，在机器人、设计、增强现实 (AR)、虚拟现实 (VR) 和游戏等领域的实际应用中，需要以物理上合理的方式操作这些 3D 模型。

传统物理模拟的挑战

传统的物理模拟算法是为手工整理的条理清晰的几何形状（如四面体体积网格）设计的，但在处理由现代 3D 内容生成技术产生的多样且通常凌乱的输入几何形状时面临巨大挑战。

Kaolin 库中 Simplicits 的引入

为了应对这些挑战，最新版本的 NVIDIA Kaolin 库 引入了一种名为 Simplicits 的最先进技术。这种统一表示方法允许在各种几何形状上进行物理模拟，包括凌乱的网格、点云，以及学习到的表示形式，如高斯溅射和神经辐射场 (NeRFs)。

面向不同用户级别的 API

Kaolin 物理 API 提供了两个抽象级别来使用 Simplicits。物理专家可以利用 低级功能，而生成式 AI 开发者可以使用更易访问的 高级 API。

交互式模拟和应用

一个演示视频展示了在各种网格上的弹性模拟，包括在 Jupyter notebook 中实时交互模拟椅子模型。这种能力有助于快速原型化 AI 研究产生的多种几何表示的新交互应用。此外，用户可以将溅射段传递给 Simplicits，以模拟复杂对象，如视频中展示的高斯溅射苹果的模拟。

高级肌肉模拟

视频还展示了使用 Simplicits 的肌肉模拟，演示了骨骼和各向异性肌肉纤维的体积运动。Simplicits 可以有效管理骨骼和肌肉之间的材料异质性，为复杂生物结构的模拟提供了强有力的解决方案。用户可以参考 肌肉模拟教程 以获取更多详细信息。

结论

表征无关物理模拟现已在 NVIDIA Kaolin 库 中提供。有兴趣的用户可以参加 SIGGRAPH 2024 会议，了解 Simplicits 及其最新的 3D 深度学习技术。

欲了解更多信息，用户可以加入 NVIDIA Kaolin 论坛，与 3D 深度学习社区互动。