Интерактивные ткани WebGL

Ведем разработку реальной ткани в виртуальном пространстве.
Взаимодействие с видимым и тактильными данными.
Возврат в исходное состояние.

Скрипт загружает модель YOLO‑v8, обрабатывает (один или несколько) изображений, выделяет людей, получает для каждого найденного объекта
прямоугольник** и **маску, а затем рисует эти боксы/маски на оригинальном изображении.
В итоге сохраняется изображение с наложенными результатами.

В будущем данный тип моделей планируется использовать в 3D пространстве для определения складок на одежде геометрических моделей ( ткани, швы, ремни, интерактивное взаимодействие ( наложение логотипов, изменение данных в реальном времени и т.п.))

https://t.me/DevNeuromodels/30

Начали разработку продукта для автоматической раскладки штанцформ с применением ИИ в полиграфии.

Но возможны реализации для других коммерческих направлений.

Добрый день.
Продолжаем изучать технологии и возможности, интерактивность..

Сегодня Контактная Ткань TSL - Three.js Shading Language

Основные данные на которые обратили внимание:
1.Нет торможения системы - полный контакт при FPS 106-145
2.Для материалов, текстуры можно использовать в группе ( цвет, нормали, окружающее затенение, шероховатость)
3.Карты окружения HDR только высокого качества ( в примере использовали 4K )
4.При физике TSL пока нет прямого контакта указателя с геометрией.
Они только направляющие ( заставляют скрытый объект менять свое положение )
Но в момент начала движения указателя - объект влияния меняет сторону относительно ткани, здесь и работает Отталкивание и Натягивание.

Исходник для изучения
https://threejs.org/examples/?q=Compute%20Cloth#webgpu_compute_cloth
Примеры TLS
https://threejs.org/examples/?q=tsl#webgpu_tsl_angular_slicing

Все что дальше вы увидите и услышите, это экспериментальная связка нейроассоциаций в виде частиц ( пример REGL ) и пары webgl-звук.

Всем вам знакомы разнообразные отладчики, для определения ошибок в коде.
А если этих ошибок нет там.
В работу включаются тестировщики.
Он/Она находят визуальную ошибку, передает информацию разработчику и ошибку устраняют.
Но для этого разработчику надо тратить время на выявление причин.

Решил это ускорить с помощью позиционирования данных в пространстве и времени.

Например, есть буфферная геометрия, и где появится визуальная ошибка - никто не знает.
Но как только её заметили, числовые данные ( индексы ) передаются в нейромодель.
На этом этапе она находит ошибку, чем снимает с разработчика время поиска и устранения ошибки.

Приветствую Всех!
Поздравляю с наступившим Новым Годом!
Желаю Вам найти Неизвестное и увидеть Невозможное!

В сегодняшнем примере продолжаем демонстрацию возможностей WebGPU TSL.
И это Волосы. В начале разработки я не знал что каждый волос имеет свой большой автономный мир.

Реализованные параметры волос:
- физика (ветер, направление, гравитация)
- внешний вид ( плотность, длина, сегменты,толщина у корня и на кончике волоса, прозрачность, цвет )
- случайность волос
- смещение корня
- визуальный отладчик ( каркас вершин, пружины, нормали, цветовая карта жесткости, карта пушистости, карта демпфирования )
- экспорт и импорт настройки волос (json)

Параметры в разработке:
- физика ( коллизия с телом, демпфирование, расчесывание волос )
- жесткость волос
- пушистость волос
- оптимизация при смене зоны волос ( Blender )

В данное приложение возможно внедрение нейромодели.
Сейчас идет обучение внешней нейромодели по WebGL/ WebGPU данным.

Приятного просмотра :)

Аттракторы WebGPU TSL

Данная интерактивная визуализация создана с помощью ИИ на основе полученных данных из геометрии Blender
Для сбора данных и обучения использовали следующий порядок:
- Создание геометрии аттракторов
- Сбор данных с помощью скрипта python
- Обучение нейромодели
- Нейросборка с помощью WebGPU TSL

Приветствую всех подписчиков канала Альтернативный WebGL.

Поставил себе задачу, которую хочу решить.
Интерьерные WebGL интерактивные сцены считаются сложными для разработки и для оборудования.
Факторов множество ( нужны реалистичные, фотографические материалы, нужно освещение и тени реального мира, количество полигонов и т.п.)

В прошлом была попытка реализации с помощью Armory3D.
Сейчас хочу попробовать и провести тесты над интерьером с помощью WebGPU TSL.

Может кто-то предоставить модель интерьера (blender) для тестов с моей стороны?
Отвечу всем, но в работу сейчас смогу взять только одну модель. И, заранее, прошу меня понять.