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
- pixelSplat: 3D Gaussian Splats from Image Pairs for Scalable
Generalizable 3D Reconstruction [29.192847542384712]
pixelSplatは、画像のペアから3次元ガウスプリミティブによってパラメータ化された3次元放射界の再構成を学ぶフィードフォワードモデルである。
我々のモデルは、スケーラブルなトレーニングのためのリアルタイム・メモリ効率のレンダリングと、推論時の高速な3次元再構成を特徴としている。
論文 参考訳(メタデータ) (2023-12-19T17:03:50Z) - Geometry-Informed Neural Operator for Large-Scale 3D PDEs [76.06115572844882]
大規模偏微分方程式の解演算子を学習するために,幾何インフォームド・ニューラル演算子(GINO)を提案する。
我々はGINOを訓練し、わずか500点のデータポイントで車両表面の圧力を予測することに成功した。
論文 参考訳(メタデータ) (2023-09-01T16:59:21Z) - MoDA: Modeling Deformable 3D Objects from Casual Videos [62.92182845878669]
カジュアルビデオから変形可能な3Dオブジェクトをモデリングする際の課題に焦点をあてる。
最近の研究は、標準-観測変換を達成するために線形ブレンドスキン(LBS)に依存している。
ニューラル双対四元混合スキン(NeuDBS)を用いて3次元点変形を実現する。
論文 参考訳(メタデータ) (2023-04-17T13:49:04Z) - OSRE: Object-to-Spot Rotation Estimation for Bike Parking Assessment [10.489021696058632]
本稿では、カメラに依存しない、よく注釈付けされた合成自転車回転データセットを構築する。
次に、物体検出タスクを拡張して2つの軸における自転車の回転をさらに後退させることにより、物体間回転推定器(OSRE)を提案する。
提案したOSREは、将来性のある結果を提供する合成および実世界のデータに基づいて評価される。
論文 参考訳(メタデータ) (2023-03-01T18:34:10Z) - 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) - Learning Dynamic View Synthesis With Few RGBD Cameras [60.36357774688289]
本稿では,RGBDカメラを用いて動的屋内シーンのフリー視点映像を合成することを提案する。
我々は、RGBDフレームから点雲を生成し、それをニューラル機能を介して、自由視点ビデオにレンダリングする。
そこで本研究では,未完成の深度を適応的に塗布して新規なビューを描画する,シンプルなRegional Depth-Inpaintingモジュールを提案する。
論文 参考訳(メタデータ) (2022-04-22T03:17:35Z) - Lifting 2D Object Locations to 3D by Discounting LiDAR Outliers across
Objects and Views [70.1586005070678]
本稿では,2次元マスクオブジェクトの予測と生のLiDAR点雲を自動的に3次元境界ボックスに変換するシステムを提案する。
これらの手法は, より複雑なパイプラインや3Dモデル, 付加的な人為的な事前情報ソースを使用するにもかかわらず, 従来よりもはるかに優れていた。
論文 参考訳(メタデータ) (2021-09-16T13:01:13Z) - 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。