論文の概要: Inferring Fluid Dynamics via Inverse Rendering
- arxiv url: http://arxiv.org/abs/2304.04446v1
- Date: Mon, 10 Apr 2023 08:23:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-11 15:36:47.075772
- Title: Inferring Fluid Dynamics via Inverse Rendering
- Title（参考訳）: 逆レンダリングによる流体力学の推定
- Authors: Jinxian Liu, Ye Chen, Bingbing Ni, Jiyao Mao, Zhenbo Yu
- Abstract要約: 人間は、そのようなシーンを垣間見るだけで、流体が落ちるような物理的な過程について、非常に直感的に理解することができる。
この研究は、アノテーションのないビデオから学習した写真から流体への再構成機能を実現する。
- 参考スコア（独自算出の注目度）: 37.87293082992423
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Humans have a strong intuitive understanding of physical processes such as
fluid falling by just a glimpse of such a scene picture, i.e., quickly derived
from our immersive visual experiences in memory. This work achieves such a
photo-to-fluid-dynamics reconstruction functionality learned from unannotated
videos, without any supervision of ground-truth fluid dynamics. In a nutshell,
a differentiable Euler simulator modeled with a ConvNet-based pressure
projection solver, is integrated with a volumetric renderer, supporting
end-to-end/coherent differentiable dynamic simulation and rendering. By
endowing each sampled point with a fluid volume value, we derive a NeRF-like
differentiable renderer dedicated from fluid data; and thanks to this
volume-augmented representation, fluid dynamics could be inversely inferred
from the error signal between the rendered result and ground-truth video frame
(i.e., inverse rendering). Experiments on our generated Fluid Fall datasets and
DPI Dam Break dataset are conducted to demonstrate both effectiveness and
generalization ability of our method.
- Abstract（参考訳）: 人間は、そのようなシーンを垣間見ることで、流体が落ちるような物理的過程、すなわち記憶における没入的な視覚的経験から、強く直感的に理解する。
本研究は, 地中流体力学の監督を伴わずに, 未注釈映像から学習した光流体力学的再構成機能を実現する。
簡単に言うと、convnetベースの圧力投影ソルバでモデル化された微分可能オイラーシミュレータをボリュームトリクレンダラーに統合し、エンドツーエンド/コヒーレントな微分可能動的シミュレーションとレンダリングをサポートする。
各サンプル点を流体体積値で内挿することにより、流体データからnerfライクな微分可能なレンダラを導出し、このボリューム表示により、結果と地上映像フレーム間の誤差信号(すなわち逆レンダリング)から流体力学を逆推論することができる。
生成したFluid FallデータセットとDPI Dam Breakデータセットの実験を行い、本手法の有効性と一般化能力を実証した。
関連論文リスト
- The Sound of Water: Inferring Physical Properties from Pouring Liquids [85.30865788636386]
注水液の音響・視覚観測と物理の関連性について検討した。
本研究の目的は, 液位, 容器形状, 注水速度, 充填時間などの物性を自動的に推定することである。
論文 参考訳（メタデータ） (2024-11-18T01:19:37Z) - Oscillation Inversion: Understand the structure of Large Flow Model through the Lens of Inversion Method [60.88467353578118]
実世界のイメージを逆転させる固定点インスパイアされた反復的アプローチは収束を達成せず、異なるクラスタ間で振動することを示す。
本稿では,画像強調,ストロークベースのリカラー化,および視覚的プロンプト誘導画像編集を容易にする,シンプルで高速な分布転送手法を提案する。
論文 参考訳（メタデータ） (2024-11-17T17:45:37Z) - DiffFluid: Plain Diffusion Models are Effective Predictors of Flow Dynamics [16.660107496540146]
各種作業条件下での流体力学の効果的な予測因子としてトランスフォーマーを用いた平ら拡散モデルを示す。
本手法は,画像翻訳問題としてフローダイナミクスの予測を定式化し,平らな拡散モデルを用いてこの問題に対処する。
論文 参考訳（メタデータ） (2024-09-20T17:19:03Z) - Inpainting Computational Fluid Dynamics with Deep Learning [8.397730500554047]
有効な流体データ補完法は、流体力学実験において必要なセンサー数を削減する。
流体データ完備化問題の誤った性質は、理論解を得るのを違法に困難にしている。
ベクトル量子化法を用いて、完全および不完全流体データ空間を離散値下次元表現にマッピングする。
論文 参考訳（メタデータ） (2024-02-27T03:44:55Z) - Gaussian Splashing: Unified Particles for Versatile Motion Synthesis and Rendering [41.589093951039814]
立体と流体の物理アニメーションを3Dガウススティング(3DGS)と統合し、3DGSを用いて再構成された仮想シーンにおける新たな効果を創出する。
我々のフレームワークは動的流体上の表面ハイライトを現実的に再現し、新しいビューからシーンオブジェクトと流体間の相互作用を容易にする。
論文 参考訳（メタデータ） (2024-01-27T06:45:22Z) - FluidLab: A Differentiable Environment for Benchmarking Complex Fluid
Manipulation [80.63838153351804]
複雑な流体力学を含む多種多様な操作タスクを備えたシミュレーション環境であるFluidLabを紹介する。
私たちのプラットフォームの中心には、GPU加速シミュレーションと勾配計算を提供する、完全に微分可能な物理シミュレータがあります。
微分可能物理学と組み合わせたいくつかのドメイン固有最適化スキームを提案する。
論文 参考訳（メタデータ） (2023-03-04T07:24:22Z) - RISP: Rendering-Invariant State Predictor with Differentiable Simulation
and Rendering for Cross-Domain Parameter Estimation [110.4255414234771]
既存のソリューションでは、大量のトレーニングデータが必要か、未知のレンダリング設定への一般化性が欠如している。
本稿では、ドメインのランダム化と微分可能なレンダリング勾配を併用してこの問題に対処する手法を提案する。
提案手法は, 再構成誤差を大幅に低減し, 未知のレンダリング構成間の一般化性が向上する。
論文 参考訳（メタデータ） (2022-05-11T17:59:51Z) - Simulating Fluids in Real-World Still Images [39.93838010016248]
本研究では,静止画像から現実の流体アニメーションに挑戦する。
本システムの鍵となるのは,映像分解から導かれる表面層表現である。
さらに, 動き推定の代替として, 2.5D$の流体計算バージョンである表面のみの流体シミュレーションを導入する。
論文 参考訳（メタデータ） (2022-04-24T18:47:15Z) - Controllable Animation of Fluid Elements in Still Images [9.194534529360691]
静止画像中の流体要素のアニメーションをインタラクティブに制御し,シネマグラフを生成する手法を提案する。
画像中の流体要素の運動を定数2次元光フローマップで表現する。
我々は、改良された光フローマップを用いて、将来的なフレームを自動回帰的に生成する新しいUNetアーキテクチャを考案した。
論文 参考訳（メタデータ） (2021-12-06T13:53:08Z) - gradSim: Differentiable simulation for system identification and
visuomotor control [66.37288629125996]
本稿では,微分可能マルチフィジカルシミュレーションと微分可能レンダリングを活用し,3次元監督への依存を克服するフレームワークであるgradsimを提案する。
当社の統合グラフは、状態ベースの(3D)監督に頼ることなく、挑戦的なバイスモメータ制御タスクで学習を可能にします。
論文 参考訳（メタデータ） (2021-04-06T16:32:01Z)
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。