布料渲染是图形学领域长久以来的研究热点，在影视制作、游戏开发以及虚拟现实等多个领域中广泛应用。由于布料内部复杂的纱线交织结构，低采样率渲染导致渲染噪声，而高采样率则会成倍增加渲染时间，导致实时渲染多尺度布料成为难题。针对此问题，南京大学智能科学与技术学院王贝贝教授团队与山东大学王璐老师团队合作提出了一种适用于梭织布料的神经表示方法。基于机织物纹理的规律性和重复性，该方法设计编码器在较低维的特征空间下实现了特征提取。根据不同布料材质所提取出的特征，方法进一步设计统一的轻量级解码器对材质进行查询表示。实验结果表明，该方法可以在接近60帧每秒的条件下实现梭织布料的多尺度高质量渲染，同时还支持对布料材质的多种属性进行实时的更改调整。相较于之前的方法，该方法在数据集包括的常见梭织布料类型内具有泛化性，无需对各个材质分别进行训练优化。该工作已被SIGGRAPH 2024接收发表。

项目链接：https://wangningbei.github.io/2024/NeuralCloth.html