图形学大牛王华民归国“创业”了，还是个让女孩们败家的赛道

　　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）

　　MATLAB 到底有多厉害？