【UE】MLCloth学习

前置资产Cloth Panel

• Chaos Cloth Asset
• Chaos Cloth Asset Editor
• Chaos Cloth

SM_Quinn_shirt_SIM 驱动SM_Quinn_shirt

模拟网格SM_Quinn_Shirt 包含三种材质和几何体厚度。由于其网格分辨率和厚度较高，直接在引擎中模拟并非最佳选择。渲染（LOD0）网格
模拟网格（ SM_Quinn_shirt_SIM ）采用单一材质，且网格较薄。我们添加了醒目的颜色材质，以便将其与渲染网格在视觉上区分开来。由于分辨率较低且没有厚度，该网格更适合用于模拟。

创建ClothAsset

转移蒙皮权重

皮肤重量传递算法有两种：

• 图像修复权重（默认）
• 表面上的最近点

MaxDistance权重绘制

预览

机器学习布料模拟 ML Cloth

加载插件

• Chaos Cloth Generator
• ML Deformer Framework
• ML Deformer Nearest Neighbor Model(ML Deformer Detail Pose Model)

创建 ML Deformer资产

生成模拟缓存

在UE编辑器中直接生成

SkeletonMesh：
布料必须是骨骼网格体资源，且必须与ClothAsset具有相同的网格（相同的顶点数量/顺序）

ClothAsset：
前面创建的ChaosClothAsset 资产

Animation Sequence：(如何得到随机Pose动画序列：ML Deformer的工作流程)
用到的动画序列就是神经网络需要用到的训练姿势，官方建议5000个随机姿势(Epic提供了一个叫做“PosGenTool”的Maya插件，后面会单独提到如何在dcc中生成训练集)。默认情况下，此工具会获取每个姿势，并模拟布料 N 步直至稳定，并将最终结果保存到输出几何体缓存中。

Frames to simulate ：动画序列中要模拟的帧。例如“0, 2, 5-10, 12-15”。如果为空，则模拟所有帧。对于测试很有用。

Simulated Cache Name(模拟缓存)：直接New一个资产用于存放模拟缓存，对于 5000 帧的长帧模拟，几何体缓存的大小会达到数GB

Time Step：每步模拟的时间，单位为秒。

Num Steps：每帧模拟的步数。

Num Threads ：同时运行的并发模拟数量。建议从 1 个线程开始。4 个线程足以让最多 64 个物理核心保持运行。请检查任务管理器中的 CPU 使用率。 切勿让 CPU 过载 ！

即可开始生成模拟缓存：

从DCC导入Alembic文件

确保以下设置

、

Alembic文件来源：ML Deformer的工作流程

确认缓存

得到上面的模拟缓存资产(GC)后，创建一个Level Sequence关卡序列，直接将GC拖入关卡序列，即可开始查看/清理 模拟缓存结果

训练ML Deformer

Input

回到 ML Deformer中，切换到Training模式，分配好需要用到的SkeletonMesh、AnimSequence、GC、神经网络输入骨骼(所有可动骨骼)

训练设置

一般保持默认就有不错的效果

隐藏层维度 ：此数组设置“隐藏层”的数量以及每层中的“神经元”数量。这些数字应该从输入维度逐渐过渡到输出维度。例如，如果输入为 63，输出为 256，则隐藏层维度可以是 [64, 128]。

• 通常情况下，2-4个隐藏层就足够了。
• 训练前隐藏层不能为空。如果留空，编辑器会自动填充其值。
• 通常情况下，只要遵循上述规则，隐藏层维度对最终结果的影响很小。但如果不遵循（例如，如果隐藏层维度小于输入维度和输出维度），则可能导致结果不佳。

训练轮数 ：训练过程中遍历整个训练集的次数。默认值 10000 比较安全，但通常对大多数数据集来说过高。对于包含 5000 个姿态的数据集，建议使用 2500。

Sections

分区：运行时，每个区域都会在其特定的数据集内搜索最近邻，并据此应用相应的细节。

但是官方给出的"定义部分的最佳实践"是：每个 MLDeformer 资源只定义一个部分

训练ML Deformer

测试效果

训练完切换到Testing模式查看结果：

选好要测试的动画、DeformerGraph

ML Deformer的工作流程

生成训练数据集

随机Pose动画序列

官方提供了一个叫做“Data Generation Maya Plugin”的Maya插件：www.fab.com/listings/c3b46f42-2563-4c17-83d9-e7b573974f5b

基本原理：在Maya中完成骨骼绑定，然后拾取Joints，选择Joints的Transfom参数将其添加到“参数列表”，因为骨骼是有层级关系的，每个Joints都有Scale，Rotation，Potion等空间参数，右边的两个过滤器能快速的帮我们过滤掉庞杂的数据。将选择好的数据（主要是旋转数据）添加到参数列表。然后需要人为给定Attributes的作用范围，比如抡起胳膊相应关节能够活动的最小最大范围是多少

即可生成随机Pose动画序列

Target Mesh

与随机Pose动画序列配套的离线变形器渲染(布料模拟/肌肉模拟)

在Maya或者Houdini中使用离线的变形器进行布料模拟，得到.adc后缀的Alembic文件，就可以进行从DCC导入Alembic文件

生成随机 Pose 动画序列

在Maya中使用 ML Deformer 训练蒙皮角色的机器学习网格变形模型。

生成布料模拟的 ABC (Alembic) 文件

方案 A：Maya 内模拟 (nCloth)

在生成的随机 Pose 序列上运行 Maya 的 nCloth 或第三方插件（如 Marvelous Designer/Qualoth）进行解算。
解算完成后，选中布料网格体，使用 Cache > Alembic Cache > Export Selection to Alembic。
注意：导出时务必保持顶点数量和编号（Vertex ID）与原始模型完全一致，否则 ML Deformer 无法识别。

方案 B：虚幻引擎内模拟 (Chaos Cloth Generator)

Chaos Cloth Generator 插件。