杨净 发自 凹非寺
量子位 报道 | 公众号 QbitAI
王华民归国“创业”了！
最近，这则爆料轰动了图形学领域。
王华民是谁？俄亥俄州立大学终身教授，四届SIGGRAPH技术论文委员会委员，公认的世界级图形学科学家。
曾以唯一作者身份独立完成四篇SIGGRAPH论文——作为全球规模最大、影响最大的图形学会议，论文入选都很难，更不必说独立完成。
另外，斯坦福、UC伯克利等名校的图形学课程，王华民的论文也屡屡被指定为参考文献。
其学生更是遍布知名大厂，从硅谷的Google、Facebook、Adobe，到国内的阿里、字节、百度等图形和模拟开发领域的重要岗位，都有他曾授业解惑的门徒。
甚至因为聚焦布料仿真，业内流传着这样一句话：
如果你研究布料仿真，就不可能没读过王华民教授的论文。
正是这样一位世界级大牛，现如今归国拥抱产业新浪潮。
而且爆料已得到证实：王华民教授，确实加盟了一家时尚产业链3D数字化公司——凌迪科技Style3D，任职首席科学家兼凌迪研究院院长。
图形学大牛的进阶之路跟很多图形学研究者一样，王华民也是因为游戏入坑。
1998年，成绩优异的他两年即完成高中学业，随后被保送到浙江大学混合班（现竺可桢学院）主修计算机。与拼多多创始人黄峥是同学。
在这个持续孕育出图形学大牛的名校摇篮中，王华民也初尝图形学的魅力——
他的本科毕业论文《Real-Time Rendering and Modeling in Collaborative CAD Systems》（协作式CAD系统中的实时渲染和建模）。
不满足于现有的学术追求，完成本科学业后，王华民就前往斯坦福大学攻读计算机专业硕士。
正是在斯坦福，他对计算机图形学的兴趣更进一步并进行了系统性学习。
不过当时，他的硕士导师是计算机几何领域的知名专家Leonidas Guibas。嗯，就是提出手指树的那个人。
即便受到Guibas教授器重，但他对渲染更感兴趣，多次向图灵奖得主、GPU之父Patrick Hanrahan请教渲染的问题。
还在第二年（2003年）Image Synthesis这门著名的渲染课上拿到终课渲染一等奖。
嗯，十八年前就能达到这种效果，不知道的还以为是实物呢。
同年加入当时新锐学者Ron Fedkiw教授的研究团队，担任研究助理。
星球大战、哈利波特、终结者等这些好莱坞大片里面的视觉效果，背后都来自于这位教授的技术。
△图源：网络
初级进阶结束，王华民没有选择留在斯坦福，而是前往佐治亚理工学院攻读博士学位。
在那里，也同样是高手云集。
就拿他的博士导师来说，Greg Turk，就是图形学领域的著名学者，最出圈的当属他在博士后期间所做的斯坦福兔子模型，曾获SIGGRAPH成就奖。
△图源：网络
在Greg Turk教授指导下，王华民选择流体模拟这一研究方向，并发表了多篇SIGGRAPH论文。
比如，水滴在树叶上。
另外，无论在Adobe Research，还是位于西雅图的微软研究院等实习经历，也让他接触到更多图形学专家学者，比如现任Adobe Research院长Gavin Miller是他当年的实习导师。
2006年，王华民作为唯一一个中国人，还获NVIDIA 研究生学者奖。
2009年，王华民来到UC伯克利从事博士后研究，指导教授分别为物理模拟领域专家、奥斯卡技术奖获得者James F.O’ Brien教授和渲染领域专家Ravi Ramamoorthi教授。
其中一位还是虚拟服装试穿软件Avametric的联合创始人兼首席科学家。
在与两位教授合作中，王华民将研究方向转为弹体物理模拟与布料物理模拟。
这期间，他发表了布料物理材质采集的经典之作，至今被引用200次。
Data-Driven Elastic Models for Cloth: Modeling and Measurement。
（数据驱动的布料弹性模型：建模和测量）
他提出了一种分段的线性弹性模型，其对各种材料的弹性行为进行很好的模拟。此外，开发了一种新的测量技术来研究真实布料的拉伸和弯曲的弹性变形。
实时模拟是技术瓶颈
实际上，除了身边顶尖学术大佬的熏陶，王华民选择布料仿真也有自己的考量。
在接受采访时，王华民坦言有两方面的原因：
一是非实时模拟已经发展得很成熟了。模拟本质上还是计算量的问题。只要给足计算时间，总能出结果，对于非常耗时的非实时模拟而言，从几天缩短到几小时不会有质的变化。而实时模拟才属于前沿发展方向，是他研究的核心。未来肯定属于实时模拟。
二是相较于应用场景狭窄的流体模拟，布料仿真不管是现实生活中还是在虚拟世界中都与我们密不可分，真正能创造价值。
王华民想要做的，就是解决真实问题，把技术成果落地。
布料仿真可以帮助服装产业进行一个全链条升级。
对于品牌商来说，通过数字化服装更高效地快速设计、更便捷地与上下游及消费者产生直观可视化的沟通，从而提前了解消费者需求，也就不会造成上游制造商的过多生产。
从消费者群体角度，可以有更好、更个性化的消费体验，还可以不用出门就穿上数字服装进行社交媒体上的分享。
△图源：网络
除了现实层面的意义，还有在虚拟世界里的价值。
如果未来元宇宙，真的会有如现实世界这般，拥有源源不断的生命力、广阔的应用场景，那就意味着，每个数字人都有专属的虚拟形象，甚至在元宇宙里形成一种时尚风尚。
这就是不得不提到数字服装，而当前数字服装最大的瓶颈之一就是实时模拟。
△图源：Style3D
实际上，不光是在数字服装，实时模拟成为整个元宇宙技术突破的痛点。
前段时间曝光的谷歌3D黑科技Starline，简直火爆全网。
人与人之间可以进行实时、裸眼3D视频通话，宛如真人面对面。
但是不同于数字建模，它是基于3D光场重建技术，Starline用到一个65英寸光场显示屏，以及在现场布置的十多个摄像头和传感器。
传感器、摄像头各种角度捕捉人像，再利用深度学习算法进行实时压缩，传输到另一边再重建成3D影像播放出来。
不过正如谷歌所展示的那样，3D光场技术更适用于人与人、人与物之间的交互，比如会议、电商等场景。
但如果应用到虚拟世界中，却有一定的局限性，就很难再去光场做随意的修改，比如换个服装、换个造型。
因此要实现真正的元宇宙，实时模拟是必须突破的一道技术瓶颈。而数字服装，作为当中不可忽略的一个分支，同样需要解决。
基于这样的价值追求，王华民就坚定了布料仿真之路。
回到国内、回到产业界，也不过是时间问题。
完成博士后研究之后，王华民来到了俄亥俄州立大学，担任计算机科学与工程系助理教授。并于2017年被提升为终身教授。
这段时间的王华民可以说是火力全开，不仅确立了在布料物理模拟领域的重要地位，发表了多篇论文，还为学术界提供了多个开源库。
也正是这段时间，王华民以唯一作者独立完成了四篇SIGGRAPH论文。
对于这事儿，如今回忆起来他则是简单回一句：
这是从导师们那里学到的习惯。
可恶，有被凡尔赛到。
最近的一篇是与布料仿真的精度有关。
王华民团队原有的布料仿真引擎，已经可在普通消费级PC上支持5mm精度 （10万以上三角形）的服装实时仿真。
他们在原有基础上，同等环境下精度直接提升到0.5mm精度 （1000万以上三角形）服装模拟，精度越高，布料仿真得越真实自然。
（精度越高，需要的三角形也越多。从2D到3D服装模型，需要三角形网格生成算法来实现）
△图源：Style3D
通过实时仿真技术得到逼近真实的成衣效果，不光是设计师本身，对整个服装产业链的研发与协同，都全面提升了效率。
王华民：创造产业价值这时候加入凌迪，可以说是天时地利人和。
首先是天时。
图形学正在迎来产业新浪潮。
正如布料仿真之于时尚产业，3D光场之于电商，图形学相关技术已经逐渐下沉到各个产业当中去。
然后是地利。
越来愈多的国内利好政策和市场倾向，为科技创业者、从业者们提供了孵化土壤。
图形学大牛接连回国的消息，不就是最好的印证吗？
最后是人和，先来简单了解一下凌迪是一家什么公司。
凌迪科技Style3D，一家专注于柔性仿真领域的时尚科技企业。创立之初，凌迪科技Style3D就将视线聚焦在最制约服装行业效率的服装设计开发环节上。
它的核心产品，是实时仿真渲染的3D设计工具及在线协同平台Style3D，在研发中从面辅料选择、款式设计、渲染仿真、协同与展销等全流程，都可以进行数字化呈现。
△图源：Style3D
目前客户涉及到了品牌方、ODM（原始设计制造）商及面辅料商。
此外，凌迪Style3D还依据工厂生产标准生成数字化BOM单，串起整个生产制造环节，进一步推动整个行业链路的数字化。
不难看出，凌迪Style3D正在做的事情刚好与王华民的理念相契合。
即便王华民在采访时连忙表示，自己不懂时尚。
一个致力于用3D数字化重构时尚产业的凌迪，与一个“不懂时尚”的技术人员，也显得不那么违和。（手动狗头）
大牛投身产业背后的意义从产业角度来说，服装产业是能诞生世界首富的体量。
体量庞大的同时，行业也面临着特有的难题，比如库存压力大、需求预测难度高、劳动力密集、退货率高……给整个产业链条都带来了不小的挑战。
无论诞生世界首富的Zara，还是年初被媒体称为中国最神秘的百亿公司Shein，追其本源，其实都是当时技术在推动。
说到Zara，以快为名。
天下苦库存久矣。通常来说，为了提高生产效率服装厂都会预留提前量生产，但就不可避免产生库存积压的问题。
Zara构建了一套响应系统，实现从产品到消费者获取产品，再到数据反馈的快速周转闭环。
而这套响应系统是1984年从IBM引入，时至今日也依然在支撑着Zara。
正因为这套系统，Zara母公司的创始人Amancio Ortega曾登顶世界首富，并常年位居世界富豪榜前十，与盖茨、贝索斯毫不相让。
如今，移动互联网造就了快时尚霸主Zara的有力竞争者——Shein。
通过跟踪APP、网站上的用户行为数据提升预测消费者需求精度；在通过Google的Trend Finder，得到不同区域的流行元素，预测时尚潮流。
获取数据后，再由后端强大的设计和打版团队，背靠珠三角供应链优势，实现自动预测需求、小批量生产、实时调整库存等能力。
IBM之于Zara，移动互联网之于Shein，如今凌迪所深耕的服装渲染平台，正像是构建未来时尚行业的基础设施。
谁是下一个Zara、Shein，不得而知。
但可以知道的是，王华民所带领的凌迪研究院，正在推动下一次的时尚浪潮。
而对于图形技术人才来说。
图形学最有可能、也是最大限度落地的领域，不是热议的电影、游戏，而是像服装、工业这等产业领域。
其实外界也可以感知到，图形学发展的几十年来，研究人员在电影、游戏领域中技术上的提升，无异于视觉效果和画质这两个方面。
但在电影、游戏之外，还有更大的场景空间值得探索，王华民的选择就提供了一个新的择业方向。
One more thing好了，这么大的咖，离开学术界就不太能听到课了吧？
遗憾。
然而教授却透露今年年底会在B站开一节入门课——GAMES 103：基于物理的计算机动画入门，专门面向图形学小白。
这门课的内容涵盖了物理模拟动画的几大基本方向，包括刚体模拟、质点弹簧系统、有限元弹性体模拟、流体模拟、碰撞处理等等。
比如，如何用64行MATLAB代码来模拟类似颜料倒入水中的效果（以下正是实时模拟的结果）。
嗯，我就帮到这里了。（手动狗头）
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一时间获知前沿科技动态
,
