Phi Vũ
New member
Nhóm nghiên cứu tại KAIST vừa công bố MPMAvatar — mô hình AI generative tái tạo chuyển động và tương tác của quần áo trong không gian 3D theo các định luật vật lý. Công nghệ hứa hẹn nâng cao tính chân thực cho avatar trong phim, metaverse và trò chơi, đồng thời giảm mạnh nhu cầu chụp chuyển động hoặc làm đồ họa 3D thủ công.
Để xử lý các vật mảnh như vải, nhóm dùng kết hợp bề mặt (mesh) và cấu trúc hạt (particle) và áp dụng MPM để tính toán chuyển động theo chất liệu, hình dạng và lực tác động. Họ cũng phát triển cơ chế xử lý va chạm phức tạp, cho phép tái tạo cảnh quần áo va chạm và chồng chéo ở nhiều vị trí một cách thực tế.
Công nghệ có tiềm năng ứng dụng trong sản xuất ảo, phim, nội dung ngắn, quảng cáo, metaverse và trò chơi, giúp giảm công sức ghi chuyển động hoặc dựng đồ họa 3D bằng tay. Nhóm nghiên cứu đang mở rộng để phát triển mô hình có thể sinh video 3D nhất quán về mặt vật lý chỉ từ đầu vào văn bản của người dùng.
"Công nghệ này không chỉ vẽ ra hình ảnh; nó khiến AI hiểu vì sao thế giới trước mặt trông như vậy," giáo sư Tae‑Kyun Kim nhận định, nhấn mạnh tiềm năng của 'Physical AI' trong tiến tới trí tuệ nhân tạo tổng quát (AGI).
Nguồn: https://techxplore.com/news/2025-10-ai-accurately-garment-motions-avatars.html
Tổng quan
MPMAvatar là mô hình generative AI do nhóm của giáo sư Tae‑Kyun Kim tại KAIST phát triển. Thay vì làm việc trên khung hình 2D, mô hình này tái tạo nhiều góc nhìn thành không gian 3D và học cách vật thể chuyển động, va chạm và biến dạng theo các định luật vật lý.
Cách hoạt động
Nhóm nghiên cứu kết hợp Gaussian Splatting để dựng ảnh đa góc thành biểu diễn điểm trong không gian 3D với Material Point Method (MPM) — một kỹ thuật mô phỏng vật lý. Họ chia không gian 3D thành nhiều điểm nhỏ, gán cho mỗi điểm cả thông tin Gaussian rendering và tham số vật lý để mô phỏng chuyển động và biến dạng một cách tự nhiên.Để xử lý các vật mảnh như vải, nhóm dùng kết hợp bề mặt (mesh) và cấu trúc hạt (particle) và áp dụng MPM để tính toán chuyển động theo chất liệu, hình dạng và lực tác động. Họ cũng phát triển cơ chế xử lý va chạm phức tạp, cho phép tái tạo cảnh quần áo va chạm và chồng chéo ở nhiều vị trí một cách thực tế.
Kết quả và ứng dụng
MPMAvatar đã tái tạo thành công chuyển động và tương tác của người mặc trang phục rộng, đồng thời thể hiện khả năng sinh không cần thấy dữ liệu trước đó (zero-shot). Phương pháp này áp dụng được cho nhiều tính chất vật lý khác nhau như vật cứng, vật biến dạng và chất lỏng, mở rộng ứng dụng ra các cảnh phức tạp ngoài avatar.Công nghệ có tiềm năng ứng dụng trong sản xuất ảo, phim, nội dung ngắn, quảng cáo, metaverse và trò chơi, giúp giảm công sức ghi chuyển động hoặc dựng đồ họa 3D bằng tay. Nhóm nghiên cứu đang mở rộng để phát triển mô hình có thể sinh video 3D nhất quán về mặt vật lý chỉ từ đầu vào văn bản của người dùng.
"Công nghệ này không chỉ vẽ ra hình ảnh; nó khiến AI hiểu vì sao thế giới trước mặt trông như vậy," giáo sư Tae‑Kyun Kim nhận định, nhấn mạnh tiềm năng của 'Physical AI' trong tiến tới trí tuệ nhân tạo tổng quát (AGI).
Tham khảo
Changmin Lee và cộng sự, MPMAvatar: Learning 3D Gaussian Avatars with Accurate and Robust Physics-Based Dynamics, arXiv (2025). DOI: 10.48550/arxiv.2510.01619
Nguồn: https://techxplore.com/news/2025-10-ai-accurately-garment-motions-avatars.html
Bài viết liên quan
