Physikalisch-basierte Animation von deformierbaren Festkörpern mit Euler'schen Ansätzen in der Computergrafik

• Antragsteller: Professor Dr. Jan Stephen Bender; Professor Dr. Nils Thuerey
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2016
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 310833819

Das Forschungsziel dieses Projektes ist die Entwicklung effizienter und stabiler Verfahren für die physikalisch-basierte Simulation von deformierbaren Festkörpern in Anwendungen der Computergrafik. Die Verfahren sollen dabei auf einem Euler'schen Ansatz aufbauen, der für die Diskretisierung ein räumlich festes Gitter verwendet.In der ersten Phase dieses Projektes konnten bereits einige Erfolge erzielt werden. Zum einen wurde eine effiziente Lösung für das Problem der Volumenerhaltung in Euler'schen Simulationen entwickelt und publiziert. Außerdem konnten wir in einer Forschungsarbeit ein geeignetes implizites Zeitintegrationsverfahren höherer Ordnung identifizieren, das wir in der Restlaufzeit der ersten Phase in die Simulation integrieren werden. Gleichzeitig wurden erfolgreich hybride Verfahren und die Synthese von Details erforscht. Dabei wurde ausgenutzt, dass sich die feste Gitterstruktur bei Euler'schen Ansätzen sehr gut für den Einsatz von Machine-Learning-Verfahren eignet. Der erste Einsatz von Machine Learning in diesem Projekt hat das große Potential solcher Ansätze aufgezeigt. Gleichzeitig sind solche Verfahren in der physikalisch-basierten Animation von deformierbaren Körpern noch wenig erforscht. Mit der Fortsetzung dieses Projektes wollen wir wichtige ungelöste Probleme in diesem noch recht jungen Forschungsbereich angehen und geeignete Lösungen entwickeln. Die Entwicklung von Simulationsverfahren mit Machine-Learning-Ansätzen ist daher ein zentrales Thema dieses Fortsetzungsantrags.Zunächst sollen für einzelne Komponenten des bereits in der ersten Phase entstandenen Simulators Machine-Learning-Lösungen entwickelt werden, die dann im bestehenden Simulator umfassend getestet und evaluiert werden können. Geplant sind Verfahren für die Berechnung von Elastizitäts- und Kollisionskräften sowie für die Zeitintegration. Nach einem erfolgreichen Test sollen dann die Einzelkomponenten zu einem Gesamtsystem kombiniert werden, bei dem u.a. eine starke Koppelung der Kräfte berücksichtigt wird. Um das Materialverhalten im Simulator möglichst realistisch zu gestalten, wollen wir dieses mit Hilfe von gelernten Ansätzen aus Scans rekonstruieren. Außerdem soll in diesem Projekt ein differenzierbarer Löser für deformierbare Körper entwickelt werden. Damit wollen wir dann inverse Probleme im Bereich Art Direction effizient lösen. Das Ziel dabei ist es, einem Künstler flexible und intuitive Kontrollmöglichkeiten über die Simulation zu geben.Zusammenfassend wollen wir in der Fortsetzung unseres Projektes die Euler'schen Simulationsverfahren, die wir in der ersten Projektphase entwickelt haben, mit Machine-Learning-Ansätzen erweitern. Wir denken, dass diese Forschungsrichtung auch aufgrund der starken Fortschritte im Bereich Machine Learning großes Potential hat. Dabei können wir auf unsere bestehende Erfahrung aufbauen, und den Einsatz von Machine Learning im Bereich der Computergrafik weiter etablieren.

• DFG-Verfahren: Sachbeihilfen