論文の概要: TURB-Rot. A large database of 3d and 2d snapshots from turbulent
rotating flows
- arxiv url: http://arxiv.org/abs/2006.07469v1
- Date: Sun, 14 Jun 2020 15:52:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 12:47:48.782067
- Title: TURB-Rot. A large database of 3d and 2d snapshots from turbulent
rotating flows
- Title（参考訳）: TURB-Rot
乱流回転流からの3次元および2次元スナップショットの大規模データベース
- Authors: L. Biferale and F. Bonaccorso and M. Buzzicotti and P. Clark di Leoni
- Abstract要約: 乱流速度場の3dおよび2dスナップショットの新しいオープンデータベースであるTURB-Rotを提案する。
目的は、データ同化やコンピュータビジョンに関心のあるコミュニティに、約300Kの複雑な画像とフィールドからなる新しいテストグラウンドを提供することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: We present TURB-Rot, a new open database of 3d and 2d snapshots of turbulent
velocity fields, obtained by Direct Numerical Simulations (DNS) of the original
Navier-Stokes equations in the presence of rotation. The aim is to provide the
community interested in data-assimilation and/or computer vision with a new
testing-ground made of roughly 300K complex images and fields. TURB-Rot data
are characterized by multi-scales strongly non-Gaussian features and rough,
non-differentiable, fields over almost two decades of scales. In addition,
coming from fully resolved numerical simulations of the original partial
differential equations, they offer the possibility to apply a wide range of
approaches, from equation-free to physics-based models. TURB-Rot data are
reachable at http://smart-turb.roma2.infn.it
- Abstract（参考訳）: 本研究では,3次元および2次元の乱流流速場スナップショットのオープンデータベースであるTURB-Rotを,回転の有無で元のNavier-Stokes方程式のDNS(Direct Numerical Simulations)を用いて解析した。
目的は、データ同化やコンピュータビジョンに関心のあるコミュニティに、約300Kの複雑な画像とフィールドからなる新しいテストグラウンドを提供することである。
turb-rotデータの特徴は、多スケールで強い非ゲージ的特徴と、約20年間のスケールで粗く、非微分可能なフィールドである。
さらに、元の偏微分方程式の完全に解かれた数値シミュレーションから、方程式を含まないモデルから物理学に基づくモデルまで、幅広いアプローチを適用することができる。
TURB-Rot データは http://smart-turb.roma2.infn.it
関連論文リスト
- DeSiRe-GS: 4D Street Gaussians for Static-Dynamic Decomposition and Surface Reconstruction for Urban Driving Scenes [71.61083731844282]
本稿では,自己教師型ガウススプラッティング表現であるDeSiRe-GSについて述べる。
複雑な駆動シナリオにおいて、効率的な静的・動的分解と高忠実な表面再構成を可能にする。
論文 参考訳（メタデータ） (2024-11-18T05:49:16Z) - RIDE: Boosting 3D Object Detection for LiDAR Point Clouds via Rotation-Invariant Analysis [15.42293045246587]
RIDEは3D LiDAR-point-based object DEtectorの回転不変性の先駆的な探索である。
回転に敏感ではあるが幾何をよく保持できる2機能抽出器と、幾何情報をある程度失うが回転に頑健な回転不変特徴を抽出する。
我々のRIDEは互換性があり、既存の1段と2段の3D検出器に簡単に接続でき、検出性能と回転ロバスト性の両方を高めることができる。
論文 参考訳（メタデータ） (2024-08-28T08:53:33Z) - PRTGaussian: Efficient Relighting Using 3D Gaussians with Precomputed Radiance Transfer [13.869132334647771]
PRTGaussianはリアルタイムに再生可能な新規ビュー合成法である。
マルチビューOLATデータにガウスアンを組み込むことで,リアルタイムで自由視点のリライトを可能にする。
論文 参考訳（メタデータ） (2024-08-10T20:57:38Z) - Outdoor Scene Extrapolation with Hierarchical Generative Cellular Automata [70.9375320609781]
我々は,自律走行車(AV)で多量に捕獲された大規模LiDARスキャンから微細な3次元形状を生成することを目指している。
本稿では,空間的にスケーラブルな3次元生成モデルである階層型生成セルオートマトン (hGCA) を提案する。
論文 参考訳（メタデータ） (2024-06-12T14:56:56Z) - 2D Gaussian Splatting for Geometrically Accurate Radiance Fields [50.056790168812114]
3D Gaussian Splatting (3DGS)は近年,高画質の新規ビュー合成と高速レンダリングを実現し,放射界再構成に革命をもたらした。
多視点画像から幾何学的精度の高い放射場をモデル化・再構成するための新しいアプローチである2DGS(2D Gaussian Splatting)を提案する。
競合する外観品質、高速トレーニング速度、リアルタイムレンダリングを維持しつつ、ノイズフリーかつ詳細な幾何学的再構成を可能にする。
論文 参考訳（メタデータ） (2024-03-26T17:21:24Z) - Learning to Predict 3D Rotational Dynamics from Images of a Rigid Body with Unknown Mass Distribution [4.386534439007928]
画像列から3次元回転力学を推定・予測するための物理ベースニューラルネットワークモデルを提案する。
本研究は, 回転物体の合成画像列の新たな回転剛体データセットに対するアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2023-08-24T17:47:32Z) - MoDA: Modeling Deformable 3D Objects from Casual Videos [84.29654142118018]
神経二元四元系ブレンドスキンニング(NeuDBS)を提案し,スキンを折り畳むことなく3次元点変形を実現する。
異なるフレーム間で2Dピクセルを登録する試みにおいて、標準空間内の3D点を符号化する標準特徴埋め込みの対応性を確立する。
本手法は,ヒトと動物の3Dモデルを,最先端の手法よりも質的,定量的な性能で再構築することができる。
論文 参考訳（メタデータ） (2023-04-17T13:49:04Z) - E-Graph: Minimal Solution for Rigid Rotation with Extensibility Graphs [61.552125054227595]
重なり合う領域を持たない2つの画像間の相対的な回転推定を解くために,新しい最小解を提案する。
E-Graphに基づいて、回転推定問題はより単純でエレガントになる。
回転推定戦略を6-DoFカメラのポーズと高密度3Dメッシュモデルを得る完全カメラ追跡マッピングシステムに組み込む。
論文 参考訳（メタデータ） (2022-07-20T16:11:48Z) - Extreme Rotation Estimation using Dense Correlation Volumes [73.35119461422153]
本稿では,RGB画像対の相対的な3次元回転を極端に推定する手法を提案する。
画像が重なり合わなくても、それらの幾何学的関係に関して豊富な隠れた手がかりがあるかもしれないと観察する。
本稿では,2つの入力画像間の全ての点を比較することで,そのような暗黙の手がかりを自動的に学習できるネットワーク設計を提案する。
論文 参考訳（メタデータ） (2021-04-28T02:00:04Z) - Rotation Invariant Deep CBIR [0.0]
本稿では,CBIR特徴抽出モデルとともに深層学習方向角検出モデルを導入することにより,回転不変CBIRシステムを構築する新しい手法を提案する。
また、この回転不変な深部CBIRは、大規模データセットから画像をリアルタイムに取得できることを強調した。
論文 参考訳（メタデータ） (2020-06-21T21:09:31Z) - Reconstruction of turbulent data with deep generative models for
semantic inpainting from TURB-Rot database [0.0]
本稿では,コンピュータビジョンコミュニティが開発するツールを用いて,流体乱流構成のデータ再構成を行う特徴学習と意味画像のインペインティングについて検討する。
深部生成逆数モデル (Deep-GAN) に埋め込まれた畳み込みニューラルネットワークの乱流中に欠落するデータを生成する能力について検討する。
論文 参考訳（メタデータ） (2020-06-16T14:26:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。