服装动画是计算机视觉、计算机图形学、虚拟现实等多学科融合的重要技术,旨在利用计算机模拟视觉效果逼真的服装运动,广泛应用在大型三维游戏、CG电影制作、虚拟试衣等领域。由于服装动画仿真时,每一帧都需要计算三维服装模型所包含的大量点线面动力学方程,处理大量的碰撞检测任务,因此高精度服装动画虽然可以表现更加细节的服装褶皱,但计算成本较高。基于此,本文研究一种自适应服装动画方法,重点研究服装视觉显著性模型与时空平滑约束模型,并将其与底层动力学驱动的服装动画相结合,实现视觉感知逼真的自适应多精度服装动画。本文主要成果如下:(1)研究了一种基于视觉感知的服装动画视觉显著性预测模型。视觉注意机制反映了人眼注意力主要集中在少部分感兴趣的区域,忽略了大部分的非感兴趣区域。本文将人眼选择性注意规律和服装动画技术相结合,深入研究了在服装动画场景下的视觉显著性预测模型,在提高动画仿真效率的同时尽可能保留模型的逼真性。首先,采用眼动追踪技术构建视频帧视觉显著图,基于全卷积神经网络生成空间显著特征;然后,使用FlowNet提取相邻视频帧之间的运动场信息作为视频帧的时间显著性特征;最后,将时空显著特征融合作为最终的显著图;(2)研究了一种时空平滑的自适应动态网格重构技术。采用显著性约束对网格精度直接进行调控时,可能会导致不同网格精度的瞬时快速变化,进而导致服装变形呈现刚性效果。此外,由于摄像机视点的移动,网格可视状态发生转变,从低精度的不可见状态突变为高精度可见状态,将会降低仿真过程的连续性。针对此问题,本文基于显著因子对网格精度进行空间平滑处理,在可见视域内,使网格精度从高显著区域均匀过渡到低显著区域;基于摄像机视点移动,进行了基于显著因子的时间平滑处理,使得网格精度从当前粗网格状态随时间稳定持续地加精,逐渐变为高精度网格。(3)研究了一种视觉感知逼真的自适应服装动画生成方法。首先采用服装显著性预测模型对动画帧进行显著性预测,并且根据摄像机模型获取服装模型顶点的显著性信息。然后将网格时空平滑以及动力学驱动相结合,进行多精度网格动态重构,将服装模型高显著区域采用高精度网格,低显著以及背部不可见区域采用粗精度网格。根据显著信息、摄像机视点信息以及结合服装动画底层驱动,构建基于视觉显著性逼真稳定的服装动画。