2026年6月18日，澳門科技大學創新工程學院-計算機科學與工程學院碩士生陳銘海，以第一作者身份撰寫題為《PhysDrape: Learning Explicit Forces and Collision Constraints for Physically Realistic Garment Draping》的研究論文，獲國際頂級學術會議歐洲計算機視覺國際會議（European Conference on Computer Vision, ECCV 2026）正式錄用，導師李建慶教授為該論文通信作者。本屆ECCV會議論文投稿競爭極為激烈，整體錄用率僅約27%。對於在讀碩士研究生能在此頂級國際會議以第一作者身份發表論文，充分展現了其紮實的科研能力與優異的學術潛力。該論文由澳科大聯合廣東省智能科學與技術研究院等機構共同完成。

創新工程學院-計算機科學與工程學院碩士生陳銘海

在三維虛擬試衣、虛擬數字人以及元宇宙等前沿領域，如何讓虛擬服裝的褶皺與下垂效果像真實布料一樣自然，一直是項技術難題。過去的解決方案往往難以兩全：傳統的「純物理計算」效果雖然逼真，但運算過程非常緩慢，難以滿足現代應用的高效需求；而常規的「純AI預測」雖然速度快，卻往往需要依賴連貫的視頻數據來推算衣服的變化，這不僅對數據要求極高，還經常在人體動作複雜時出現「穿模」——也就是服裝不符合物理常理地穿透人體的錯誤現象。因此，如何在保證生成速度的同時，徹底解決穿模問題並實現高度真實的服裝效果，是該領域面臨的巨大挑戰。

PhysDrape 訓練框架

為突破這一瓶頸，研究團隊提出了一項名為「PhysDrape」的創新技術，成功將「物理學規律」與「深度學習」巧妙結合。與以往依賴連續動作數據的模型不同，PhysDrape 是一套突破性的「單幀靜態模型」：它無需獲取連貫的動畫，僅憑一個靜態的人體姿勢，就能精準計算出衣服該有的物理狀態。這套技術由三個核心部分緊密配合：首先，「受力驅動的神經網絡」會分析服裝在當前姿勢下受到的拉力和重力，生成服裝的初步輪廓；接著，「拉伸求解器」會根據真實布料的物理特性，讓服裝的細節自然舒展；最後，「碰撞處理器」會嚴格監測服裝與人體的邊界，一旦發現兩者發生重疊，便會自動將服裝修正到合理位置。這種將「神經網絡的高效」與「物理計算的真實」完美融合的設計，不僅有效解決了穿模問題，更在不需要任何動畫數據的前提下，讓單張畫面的虛擬服裝達到了極致的逼真效果。

ECCV與CVPR、ICCV並稱為計算機視覺領域的三大頂級國際學術會議，在國際學術界和工業界均享有極高的聲譽，代表著該領域的最新發展方向與最高研究水平。本次論文獲ECCV 2026錄用，不僅體現了該研究成果的創新性與學術價值，亦展現了澳門科技大學在研究生培養方面取得的顯著成效，以及在計算機視覺前沿方向上的國際競爭力。未來，澳科大將繼續推動數據科學、人工智能與前沿交叉學科的深度融合，為培養更多具有國際視野的創新型科研人才貢獻力量。