第49卷第4期2023年4月ComputerEngineering计算机工程基于子图卷积神经网络的多精度服装建模方法陈治旭，靳雁霞，芦烨，杨晶，刘亚变，史志儒（中北大学大数据学院，太原030051）摘要：现有融合机器学习的服装仿真方法大多在单一精度网格上进行仿真，导致在变形较小的区域内进行不必要的计算。提出一种基于子图卷积神经网络的多精度服装建模方法。采用基于物理模拟的方法进行服装仿真，利用瑞利熵曲率计算服装各区域的平均变形度，依据平均变形度对服装网格阈值进行划分，构建与原始网格相对应的多精度服装网格。结合人体结构化模型，从多精度服装网格中提取基于时空的多精度服装图结构。在此基础上，利用子图卷积神经网络为给定顶点采样邻居节点，通过聚合给定顶点和邻居节点的特征，以更新顶点特征数据。实验结果表明，与TailorNet方法相比，该方法的布料计算效率提升25.3%，不仅保留了从物理模拟中学习的褶皱，而且具有更加真实的模拟效果，并提高了计算效率。关键词：服装建模；机器学习；多精度网格；图卷积神经网络；子图训练开放科学（资源服务）标志码（OSID）：中文引用格式：陈治旭，靳雁霞，芦烨，等.基于子图卷积神经网络的多精度服装建模方法［J］.计算机工程，2023，49（4）：174-181.英文引用格式：CHENZX，JINYX，LUY，etal.Multi-precisionclothingmodelingmethodbasedonsubgraphconvolutionalneuralnetwork［J］.ComputerEngineering，2023，49（4）：174-181.Multi-PrecisionClothingModelingMethodBasedonSubgraphConvolutionalNeuralNetworkCHENZhixu，JINYanxia，LUYe，YANGJing，LIUYabian，SHIZhiru（SchoolofBigData，NorthUniversityofChina，Taiyuan030051，China）【Abstract】Exsitingclothingsimulationmethodscombiningmachinelearningaresimulatedonasingleprecisiongrid，resultinginunnecessarycalculationintheareawithsmalldeformation.Therefore，amulti-precisionclothingmodelingmethodbasedonasubgraphConvolutionalNeuralNetwork（CNN）isproposedforthephysicalsimulationofclothes.TheaveragedeformationdegreeofeachareaofclothingiscalculatedusingRayleighentropycurvatureorcontinuousprobabilitydistribution.Thethresholdvalueoftheclothinggridisdividedaccordingtotheaveragedeformationdegree，andamulti-precisionclothinggridcorrespondingtotheoriginalgridisconstructed.Combinedwiththest...
