Prefracture 방법은 실시간 물체 파괴 효과에서 성능 제약 내에서 구현 가능한 실용적인 방법입니다. 구체적으로, 런타임에 물체에 충격이 발생하면 런타임 이전에 미리 계산해 놓은 부서진 (prefractured) 메쉬로 교체한 뒤, 강체 물리 엔진으로만 처리하여 연산량을 줄입니다.

그러나 이는 휴리스틱한 특성으로 인해 비현실적인 결과를 초래할 수 있습니다. 이를 개선하기 위해, 우리는 prefracture 메쉬 생성의 clustering 단계를 point cloud 데이터의 unordered segmentation으로 접근하고, 물리 기반 데이터셋으로 학습된 심층 신경망을 활용하는 방법을 제안합니다.

제안된 새로운 패러다임은 기존의 한계를 넘어 구조적 약점을 성공적으로 예측하여, 언리얼 엔진 5 등에서 즉시 사용 가능한 높은 품질의 결과를 제공합니다. 예시의 prefractured 메쉬는 물체의 구조를 고려하여 날개, 뿔, 다리 등 부서지기 쉬운 물체의 말단에 금 (fracture) 을 할당합니다.

The definitive Version of Record was published in SIGGRAPH Asia 2024 Posters (SA Posters ’24), December 03-06, 2024, https://doi.org/10.1145/3681756.3697973.
(출판 예정)