論文の概要: A Framework for Fluid Motion Estimation using a Constraint-Based
Refinement Approach
- arxiv url: http://arxiv.org/abs/2011.12267v4
- Date: Wed, 21 Feb 2024 09:13:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-22 22:05:28.729241
- Title: A Framework for Fluid Motion Estimation using a Constraint-Based
Refinement Approach
- Title(参考訳): 制約に基づく微粒化手法による流体運動推定の枠組み
- Authors: Hirak Doshi, N. Uday Kiran
- Abstract要約: 制約に基づく精錬手法を用いて流体運動推定のための一般的な枠組みを定式化する。
この結果から, 流体流動の古典的連続性方程式に基づく近似式が得られた。
また、系を対角化するコーシー・リーマン作用素との驚くべき関係を観察し、流れの発散と曲率を含む拡散現象を導いた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Physics-based optical flow models have been successful in capturing the
deformities in fluid motion arising from digital imagery. However, a common
theoretical framework analyzing several physics-based models is missing. In
this regard, we formulate a general framework for fluid motion estimation using
a constraint-based refinement approach. We demonstrate that for a particular
choice of constraint, our results closely approximate the classical continuity
equation-based method for fluid flow. This closeness is theoretically justified
by augmented Lagrangian method in a novel way. The convergence of Uzawa
iterates is shown using a modified bounded constraint algorithm. The
mathematical wellposedness is studied in a Hilbert space setting. Further, we
observe a surprising connection to the Cauchy-Riemann operator that
diagonalizes the system leading to a diffusive phenomenon involving the
divergence and the curl of the flow. Several numerical experiments are
performed and the results are shown on different datasets. Additionally, we
demonstrate that a flow-driven refinement process involving the curl of the
flow outperforms the classical physics-based optical flow method without any
additional assumptions on the image data.
- Abstract(参考訳): 物理に基づく光学フローモデルは、デジタル画像から生じる流体運動の変形を捉えることに成功している。
しかし、いくつかの物理モデルを分析する一般的な理論的枠組みが欠落している。
そこで本研究では,制約に基づくリファインメント手法を用いて流体運動推定のための一般的な枠組みを定式化する。
制約の特定の選択に対して, 古典連続性方程式に基づく流体流の手法をよく近似することを示した。
この近接性は、新しい方法で拡張ラグランジアン法によって理論的に正当化される。
Uzawaイテレートの収束は、修正された有界制約アルゴリズムを用いて示される。
数学的正当性はヒルベルト空間の設定で研究される。
さらに、この系を対角化するコーシー・リーマン作用素との驚くべき関係を観察し、分散と流れのカールを含む拡散現象を導いた。
いくつかの数値実験を行い、結果は異なるデータセットで示される。
さらに, フローの巻き込みを伴う流れ駆動型微細化プロセスが, 画像データに付加的な仮定を加えることなく, 古典物理学に基づく光フロー法よりも優れていることを示す。
関連論文リスト
- Vision-Informed Flow Image Super-Resolution with Quaternion Spatial
Modeling and Dynamic Flow Convolution [49.45309818782329]
フロー画像超解像(FISR)は、低分解能フロー画像から高分解能乱流速度場を復元することを目的としている。
既存のFISR法は主に自然画像パターンのフロー画像を処理する。
第一流れの視覚特性インフォームドFISRアルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-01-29T06:48:16Z) - Quantum Carleman Linearization of the Lattice Boltzmann Equation with
Boundary Conditions [0.0]
格子ボルツマン法(LBM)は流体流動をシミュレーションする効率的なアルゴリズムとして広く認識されている。
Bhatnagar Gross と Krook 平衡関数を用いて、格子ボルツマン方程式の量子カールマン線形化の定式化を記述する。
提案アルゴリズムの精度は, 矩形プリズムを過ぎる流れをシミュレートし, 流体流速と一致させることによって実証される。
論文 参考訳(メタデータ) (2023-12-08T01:37:31Z) - Gaussian Interpolation Flows [12.745975989755001]
ガウスデノナイジングに基づくシミュレーションフリー連続正規化流れの健全性について検討する。
フロー速度場のリプシッツ正則性、フローの存在と特異性、フローマップのリプシッツ連続性を確立する。
本研究は,ガウス流の学習手法について,生成的モデリングのための貴重な知見を提供する。
論文 参考訳(メタデータ) (2023-11-20T00:59:20Z) - GAFlow: Incorporating Gaussian Attention into Optical Flow [62.646389181507764]
我々はガウス的注意(GA)を光学フローモデルに押し込み、表現学習中に局所特性をアクセントする。
本稿では,既存の Transformer ブロックに簡単に接続可能な新しい Gaussian-Constrained Layer (GCL) を提案する。
動作解析のための新しいガウス誘導注意モジュール(GGAM)を提供する。
論文 参考訳(メタデータ) (2023-09-28T07:46:01Z) - A Geometric Perspective on Diffusion Models [60.69328526215776]
本稿では,人気のある分散拡散型SDEのODEに基づくサンプリングを検証し,そのサンプリングダイナミクスの興味深い構造を明らかにした。
我々は、最適なODEベースのサンプリングと古典的な平均シフト(モード探索)アルゴリズムの理論的関係を確立する。
論文 参考訳(メタデータ) (2023-05-31T15:33:16Z) - Multiphysics discovery with moving boundaries using Ensemble SINDy and
Peridynamic Differential Operator [0.0]
本研究では,移動境界を持つ現象の物理を学習するための新しい枠組みを提案する。
提案手法は Ensemble SINDy と Peridynamic Differential Operator (PDDO) を組み合わせたものである。
この手法のロバスト性は, 測定データ中の様々なレベルのノイズを考慮することで実証される。
論文 参考訳(メタデータ) (2023-03-27T23:05:21Z) - Aspects of scaling and scalability for flow-based sampling of lattice
QCD [137.23107300589385]
格子場理論におけるサンプリングへの機械学習正規化流れの最近の応用は、そのような手法が臨界減速と位相凍結を緩和できる可能性を示唆している。
最先端の格子量子色力学計算に適用できるかどうかはまだ定かではない。
論文 参考訳(メタデータ) (2022-11-14T17:07:37Z) - Learning to Estimate and Refine Fluid Motion with Physical Dynamics [9.258258917049845]
流体流量推定のための教師なし学習に基づく予測補正手法を提案する。
推定はまずPDE制約の光フロー予測器によって与えられ、次に物理ベースの補正器によって洗練される。
提案手法は,地上の真理情報が効果的に理解できない複雑な実世界の流体シナリオに一般化することができる。
論文 参考訳(メタデータ) (2022-06-21T15:46:49Z) - Flow-based sampling in the lattice Schwinger model at criticality [54.48885403692739]
フローベースアルゴリズムは、格子場理論への応用のためのフィールド分布の効率的なサンプリングを提供することができる。
フェルミオン質量の臨界値におけるシュウィンガーモデルにおけるロバストな流れに基づくサンプリングの数値的な実演を行う。
論文 参考訳(メタデータ) (2022-02-23T19:00:00Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳(メタデータ) (2021-02-12T12:23:13Z) - Nonlinear Evolutionary PDE-Based Refinement of Optical Flow [0.0]
剛性および流動性の両方の運動推定にモデルをどのように適合させるかを示す。
アルゴリズムの結果を異なるデータセットで示す。
論文 参考訳(メタデータ) (2021-01-31T16:35:26Z)
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。