2026年6月18日，澳门科技大学创新工程学院-计算机科学与工程学院硕士生陈铭海，以第一作者身份撰写题为《PhysDrape: Learning Explicit Forces and Collision Constraints for  Physically Realistic Garment Draping》的研究论文，获国际顶级学术会议欧洲计算机视觉国际会议（European Conference on Computer Vision, ECCV  2026）正式录用，导师李建庆教授为该论文通信作者。本届ECCV会议论文投稿竞争极为激烈，整体录用率仅约27%。对于在读硕士研究生能在此顶级国际会议以第一作者身份发表论文，充分展现了其扎实的科研能力与优异的学术潜力。该论文由澳科大联合广东省智能科学与技术研究院等机构共同完成。

创新工程学院-计算机科学与工程学院硕士生陈铭海

在三维虚拟试衣、虚拟数字人以及元宇宙等前沿领域，如何让虚拟服装的褶皱与下垂效果像真实布料一样自然，一直是项技术难题。过去的解决方案往往难以两全：传统的「纯物理计算」效果虽然逼真，但运算过程非常缓慢，难以满足现代应用的高效需求；而常规的「纯AI预测」虽然速度快，却往往需要依赖连贯的视频数据来推算衣服的变化，这不仅对数据要求极高，还经常在人体动作复杂时出现「穿模」——也就是服装不符合物理常理地穿透人体的错误现象。因此，如何在保证生成速度的同时，彻底解决穿模问题并实现高度真实的服装效果，是该领域面临的巨大挑战。

PhysDrape 训练框架

为突破这一瓶颈，研究团队提出了一项名为「PhysDrape」的创新技术，成功将「物理学规律」与「深度学习」巧妙结合。与以往依赖连续动作数据的模型不同，PhysDrape  是一套突破性的「单帧静态模型」：它无需获取连贯的动画，仅凭一个静态的人体姿势，就能精准计算出衣服该有的物理状态。这套技术由三个核心部分紧密配合：首先，「受力驱动的神经网络」会分析服装在当前姿势下受到的拉力和重力，生成服装的初步轮廓；接着，「拉伸求解器」会根据真实布料的物理特性，让服装的细节自然舒展；最后，「碰撞处理器」会严格监测服装与人体的边界，一旦发现两者发生重叠，便会自动将服装修正到合理位置。这种将「神经网络的高效」与「物理计算的真实」完美融合的设计，不仅有效解决了穿模问题，更在不需要任何动画数据的前提下，让单张画面的虚拟服装达到了极致的逼真效果。

ECCV与CVPR、ICCV并称为计算机视觉领域的三大顶级国际学术会议，在国际学术界和工业界均享有极高的声誉，代表着该领域的最新发展方向与最高研究水平。本次论文获ECCV  2026录用，不仅体现了该研究成果的创新性与学术价值，亦展现了澳门科技大学在研究生培养方面取得的显著成效，以及在计算机视觉前沿方向上的国际竞争力。未来，澳科大将继续推动数据科学、人工智能与前沿交叉学科的深度融合，为培养更多具有国际视野的创新型科研人才贡献力量。