mesh-free

本文介绍了一种基于随机场理论中Rice水平穿越密度的可微训练目标，它作为隐式神经表示的无网格高频辅助损失。无需网格或FFT，并提高了在非均匀样本上的性能。

本文介绍了FreeForm，一种使用再生核粒子法(RKPM)的可变形超弹性物体降阶仿真方法，该方法相比神经场方法实现了40倍的训练加速和更低的误差。

RigidFormer 是一种新型的无网格、以对象为中心的 Transformer 模型，能够从点云中学习刚体动力学。在多对象接触动力学方面，其在速度和可扩展性上优于基于网格的基线模型。