基于深度神經網絡的二維流體模擬
摘要：提出了一種將深度神經網絡與流體模擬相結合的新方法。將具有更多湍流細節的高精度流體模擬結果看作圖像中的"風格",利用訓練好的深度神經網絡的中間層提取特征信息。采用圖像風格化技術,將高精度流體模擬結果的湍流信息遷移到低精度流體模擬結果中,使得低精度流體模擬結果同樣具有豐富的湍流細節,實現了超分辨率的效果。實時完成低精度流體模擬和湍流遷移,實現了實時的高精度流體模擬。利用流體模擬中的速度信息保證流體模擬在時域上的連續性,使得整個模擬的結果更為真實。采用可以適用于任意風格輸入的自適應的實例歸一化(adaptive instance normalization,AdaIN)風格化技術,實現了流體模擬的藝術風格控制。
注: 保護知識產權,如需閱讀全文請聯系中國科技論文雜志社
相關推薦
更多
