10.3969/j.issn.2095-2783.2019.03.002
基于深度神经网络的二维流体模拟
提出了一种将深度神经网络与流体模拟相结合的新方法.将具有更多湍流细节的高精度流体模拟结果看作图像中的“风格”,利用训练好的深度神经网络的中间层提取特征信息.采用图像风格化技术,将高精度流体模拟结果的湍流信息迁移到低精度流体模拟结果中,使得低精度流体模拟结果同样具有丰富的湍流细节,实现了超分辨率的效果.实时完成低精度流体模拟和湍流迁移,实现了实时的高精度流体模拟.利用流体模拟中的速度信息保证流体模拟在时域上的连续性,使得整个模拟的结果更为真实.采用可以适用于任意风格输入的自适应的实例归一化(adaptive instance normalization,AdaIN)风格化技术,实现了流体模拟的艺术风格控制.
流体模拟、深度神经网络、风格化、湍流
14
TP37(计算技术、计算机技术)
国家自然科学基金资助项目61521002,61561146393
2019-07-31(万方平台首次上网日期,不代表论文的发表时间)
共7页
243-249