AI帮60年代老技术解决面料数字化难题，王华民团队新方法只需3分钟数据采集复刻面料真实效果(3)

评价物理仿真引擎好坏的标准，无疑两方面：性能与保真度。 相信很多人都感知到，不管是布料还是各类形变体、流体模拟，过去在性能上的突破总是进展频频，但在保真度上发展却十分有限。几十年发展至今，人们对CG效果的认知才逐渐从逼真走到真实这个程度。 原因无它，技术难度太高。 以往相关的探索大致可以分为两种思路，一是传统的构建物理模型，且不论材质精度能否实现，就是各种内外部的相互作用，都很难完整地定量描述出来。 另一种则是AI，在一个开放阈里学习布料仿真，其精度和准确性都不能保证。 不过这两种思路只是粗略拆分，现在也越来越多研究是将两者结合，但如前文所述，发展十分有限。 而王华民团队则采用了一种全新的思路，从源头入手，从AI擅长的事情入手。 当然还有更为现实的产业问题得到解决。 对于数字化纺织物制造商来说，以往靠悬臂法来测试，即便是有经验的用户，一块布条的测试至少需要15分钟，这其中包括准备样本和实际测试的时间。 对于库存动辄上千种面料要进行数字化的制造商来说，这种人力、时间、物料等各项成本是无法承受的。 而现在王华民团队的新模型，直接将采集速度提升了5倍，并且很快就会部署到他们数字化服务平台，真正实现产业落地。 事实上，这种基于技术创新实现降本增效的事情，在整个面料数字化进程中并不少见，而王华民团队所在的 凌迪Style3D 正是其中进程的代表和参与者，不管是从资本认可、还是在行业落地等维度上都可见一斑。 今年6月， 凌迪Style3D 宣布完成近1亿美元Pre-B+轮融资，由高瓴创投、鼎晖等多家机构连续投资。凌迪Style3D发展多年都持续一年一次的融资节奏，在当前资本寒冬期实属佼佼者。 目前在服装行业已经深耕7年，帮助企业在研发、协同、展销、生产全链路数字化，遍布海内外板块，与各细分领域的国际头部企业均达成了相关合作，如Nvidia、Alvanon、YKK、Pantone、Jeanologia等。 而现在随着元宇宙的兴起， 凌迪Style3D 本身作为基础设施的提供者，既有底层技术和算法优势，又有成熟落地时尚领域的多种软件工具等，且其业务可以外延至更多领域。 比如数字人、动漫、家居、游戏。据称，这些已经在凌迪Style3D的考虑范围中，甚至已经落地。百度世界大会亮相的 希加加 ，正是凌迪Style3D提供的服装模拟技术支持。 也再一次印证，唯有技术创新，才能创造产业价值，也能更适应时代洪流。