Strokes2Deform：基于物理原理的3D手势云变形场学习方法

《Computers & Graphics》：Strokes2Deform: Physics-informed learning of deformation fields on 3D stroke clouds

　　

Shervin Rasoulzadeh | Raman Suliman | Arvin Rasoulzadeh | Iva Kovacic | Michael Wimmer

• •
  一种基于学习的模型，能够在无需重建和仿真的情况下实现具有变形感知能力的3D草图绘制。
• •
  一个包含40,000对草图-变形数据集，涵盖了建筑薄壳结构的3D草图及其通过有限元分析（FEA）得到的相应变形场。
• •
  一个双头、基于物理原理的神经网络，将变形场估计分解为预测单位长度位移向量和标量位移幅度两个部分。
• •
  物理引导的正则化项，将拉伸和弯曲作为两种变形模式纳入考虑。