返回行业情报

可切割解剖:实时切割撕裂虚拟人体

Dissectible Anatomy Lets Users Cut & Tear Virtual Bodies in Real Time

普渡大学Tim McGraw团队开发Dissectible Anatomy系统,将冷冻切片影像(含Visible Human Project数据)转化为可变形模型。系统结合位置动力学、有符号距离场与体积splats,通过计算着色器实现实时切割、撕裂、牵拉与分离,无需传统网格连接。该项目在SIGGRAPH 2026 Real-Time Live!获观众选择奖,技术可拓展至游戏与视效领域。

深度解读

普渡大学Tim McGraw与Jack Myers开发的Dissectible Anatomy让用户能在实时环境中切割、撕裂、牵拉和分离虚拟人体模型,该项目在SIGGRAPH 2026的Real-Time Live!环节斩获观众选择奖,其核心突破在于用position-based dynamics(PBD)signed distance fields(SDF)volumetric splats的组合替代传统网格拓扑,使模型在切割后无需追踪连通性即可动态改变拓扑结构。

这项技术解决了一个被遗忘二十年的问题

Visible Human Project(VHP)的数据集早在上世纪九十年代就已采集完成,当时的目标之一就是实现实时虚拟解剖。McGraw在采访中明确指出,数据采集时计算机性能根本不足以支撑这一愿景,而等GPU硬件终于追上时,可视化与图形学界却似乎已经把VHP忘了。这个判断值得细品:不是技术路线走错了,而是学术共同体的注意力转移导致一个明明可以推进的方向被搁置了近二十年。McGraw自己也是在2024年做完SIGGRAPH Real-Time Live!的Mesh Mortal Kombat之后,才将虚拟解剖和手术模拟视为自然的下一步。换句话说,这项获得观众选择奖的工作,填补的是一个被时间差撕开的空白。

从粗糙体素到高分辨率3D纹理的进化路径

McGraw此前那套技术只适用于非常粗糙的voxel grid,而Dissectible Anatomy的进步在于处理高分辨率3D纹理。具体流程是:cryosection images(冷冻切片图像)定义PBD粒子的生成位置——先在图像上覆盖低分辨率网格,在覆盖标本的网格点处创建粒子;然后创建4倍分辨率的网格,在对应网格点处创建splats。运行时每个splat关联一个signed distance value,记录该splat距模型可见表面的距离。这个距离值使得SDF操作(如交集和减法)可以直接用于破碎模型。模型破碎后SDF随之更新,渲染时只绘制外层splat壳,内部和背面splat被剔除。

没有连通性需要追踪,切割时只需将splat从一个区域移到另一个区域。

这正是volumetric splats相对于传统三角网格或四面体网格的根本优势。用三角形或四面体做切割,切完的结果可能不再是三角形或四面体,而且切割必须向相邻图元传播,在compute shader的并行处理环境中极其棘手。Splats绕过了整个拓扑维护问题。

不追求手术级精度,追求的是教学场景中的“够用”

McGraw坦承,团队尚未确定realism、responsiveness和educational usefulness之间的最佳平衡点。他的起点只是“看起来合理”。真正判断教育效果的方法是把教育者和学生放在系统面前,做知识前测、后测,最好再加一次追踪后测来评估知识保留率。但要做这些,需要一个真正面向教育的虚拟解剖系统——而目前他们手里只是一个技术demo。

McGraw的判断是:物理精度的程度不会损害学习效果。他类比游戏物理和碰撞检测中大量近似处理——玩家要么注意不到,要么注意到了也不影响游玩体验。这个类比的关键限定词是:他们的目标不是教组织生物力学,而是教结构名称、形状、相对位置,在一个有吸引力的交互环境中,在一个没有后果的环境中。切错了就撤销,切错了器官就重来。真实解剖应当永远是医学训练的一部分,但这类系统可以让早期学习者在进入真实实验室之前先熟悉解剖结构和术语。

技术栈的便携性是一个被低估的设计决策

整个系统不依赖任何游戏引擎,也不依赖CUDA这类GPU或操作系统特定的库。所有粒子、SDF和splat的处理与更新全部通过compute shaders完成。这意味着硬件加速性能可以很好,同时跨设备便携性极强。对于一款面向教育机构的工具而言,这个决策的实际意义远超技术层面——学校IT基础设施千差万别,能跑在广泛硬件上的系统才有部署可能性。如果绑定CUDA,等于把大量潜在用户排除在外。

对游戏和VFX行业的潜在溢出效应

McGraw的背景横跨机械工程、医疗图像处理和游戏工作室(Rainbow Studios、EA Tiburon、Schell Games),他目前的工作是跟教育者沟通,收集他们对现有工具优劣的反馈,并将其整合进一个testbed系统。但这项技术的应用场景显然不限于医学教育。实时切割、撕裂、牵拉变形且无需维护拓扑的体渲染方案,在游戏和VFX中有直接需求——比如恐怖游戏中的身体破坏效果、特效制作中的生物组织模拟。Splats方案在并行计算环境下的天然优势,恰好匹配现代GPU架构的发展方向。当体渲染和gaussian splatting在图形学界持续升温时,这套将PBD、SDF和volumetric splats整合进compute shader管线的方案,可能会成为其他开发者参考的技术路径。

六分钟直播demo背后的真实压力

McGraw提到在SIGGRAPH数千名观众面前做六分钟实时技术演示是一种“独特的紧张体验”。这种压力不只是表演焦虑——实时demo意味着不能预渲染、不能剪辑、不能NG。任何帧率下降、任何交互延迟、任何splat渲染异常都会在数千双眼睛前暴露。获得Audience Choice Award说明这套系统在live条件下确实扛住了压力,这比论文里的benchmark数字更有说服力。对于一项强调real-time interactivity的技术而言,在SIGGRAPH Real-Time Live!的舞台上证明自己,本身就是最硬核的validation。

AI前沿虚拟解剖实时渲染位置动力学SIGGRAPH医学可视化