論文の概要: Mesh-based Super-resolution of Detonation Flows with Multiscale Graph Transformers

• arxiv url: http://arxiv.org/abs/2511.12041v2
• Date: Wed, 19 Nov 2025 19:56:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 15:01:03.09117
• Title: Mesh-based Super-resolution of Detonation Flows with Multiscale Graph Transformers
• Title（参考訳）: マルチスケールグラフ変換器を用いたメッシュによるデトネーション流れの超解像
• Authors: Shivam Barwey, Pinaki Pal,
• Abstract要約: 反応流のメッシュベース超解像のためのマルチスケールグラフトランスフォーマ手法を開発した。 SR-GTは、従来のSRスキームと比較して、フローフィールドの特徴に反応する高解像度の精度と優れた性能を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Super-resolution flow reconstruction using state-of-the-art data-driven techniques is valuable for a variety of applications, such as subgrid/subfilter closure modeling, accelerating spatiotemporal forecasting, data compression, and serving as an upscaling tool for sparse experimental measurements. In the present work, a first-of-its-kind multiscale graph transformer approach is developed for mesh-based super-resolution (SR-GT) of reacting flows. The novel data-driven modeling paradigm leverages a graph-based flow-field representation compatible with complex geometries and non-uniform/unstructured grids. Further, the transformer backbone captures long-range dependencies between different parts of the low-resolution flow-field, identifies important features, and then generates the super-resolved flow-field that preserves those features at a higher resolution. The performance of SR-GT is demonstrated in the context of spectral-element-discretized meshes for a challenging test problem of 2D detonation propagation within a premixed hydrogen-air mixture exhibiting highly complex multiscale reacting flow behavior. The SR-GT framework utilizes a unique element-local (+ neighborhood) graph representation for the coarse input, which is then tokenized before being processed by the transformer component to produce the fine output. It is demonstrated that SR-GT provides high super-resolution accuracy for reacting flow-field features and superior performance compared to traditional interpolation-based SR schemes.
• Abstract（参考訳）: サブグリッド/サブフィルタクロージャモデリング、時空間予測の高速化、データ圧縮、スパース実験のためのアップスケーリングツールとして機能するなど、最先端のデータ駆動技術を用いた超高分解能フロー再構成は、様々な応用に有用である。 本研究では, 反応流のメッシュベース超解像(SR-GT)に対して, 第一種マルチスケールグラフトランスフォーマ手法を開発した。 新たなデータ駆動モデリングパラダイムは、複雑なジオメトリや非一様/非構造グリッドと互換性のあるグラフベースのフローフィールド表現を活用する。 さらに、トランスバックボーンは、低分解能フローフィールドの異なる部分間の長距離依存関係をキャプチャし、重要な特徴を特定し、それらの特徴を高分解能で保存する超解流フィールドを生成する。 SR-GTの性能は, 複雑な多スケール反応流挙動を示す予混合水素-空気混合気中での2次元デトネーション伝播の挑戦的な試験問題に対して, スペクトル要素分散メッシュの文脈で実証された。 SR-GTフレームワークは、粗い入力に固有の要素局所(+近傍)グラフ表現を使用し、変換器コンポーネントによって処理される前にトークン化され、微細な出力を生成する。 SR-GTは,従来の補間型SR方式と比較して,フローフィールド特性と性能に優れた超解像精度を提供することを示した。

関連論文リスト

• Hierarchical Spatial-Frequency Aggregation for Spectral Deconvolution Imaging [19.898033482653464]
  本稿では,高忠実度コンパクト行列設計を実現するための新しいCSI手法を提案する。 SDIに固有のデータ依存演算子に取り組むために、階層型空間スペクトル集約フレームワーク(HSFAUF)を導入する。 さらに、繰り返し改善中の空間スペクトル前処理を統合するために、空間周波数アグリゲーション変換器(SFAT)を提案する。
  論文  参考訳（メタデータ） (2025-11-10T06:29:34Z)
• DiffFormer: a Differential Spatial-Spectral Transformer for Hyperspectral Image Classification [3.271106943956333]
  超スペクトル画像分類(HSIC)は、高次元データをスペクトル情報と空間情報で分析する可能性から注目されている。 本稿では、スペクトル冗長性や空間不連続性といったHSICの固有の課題に対処するために、差分空間スペクトル変換器(DiffFormer)を提案する。 ベンチマークハイパースペクトルデータセットの実験は、分類精度、計算効率、一般化可能性の観点から、DiffFormerの優位性を示す。
  論文  参考訳（メタデータ） (2024-12-23T07:21:41Z)
• Effective Diffusion Transformer Architecture for Image Super-Resolution [63.254644431016345]
  画像超解像のための効果的な拡散変換器(DiT-SR)を設計する。 実際には、DiT-SRは全体のU字型アーキテクチャを活用し、すべての変圧器ブロックに対して均一な等方性設計を採用する。 我々は、広く使われているAdaLNの制限を分析し、周波数適応型時間-ステップ条件付けモジュールを提案する。
  論文  参考訳（メタデータ） (2024-09-29T07:14:16Z)
• STMR: Spiral Transformer for Hand Mesh Reconstruction [11.47314655711821]
  本稿では,トランスフォーマーアーキテクチャにスパイラルサンプリングを巧みに統合し,メッシュトポロジを利用したハンドメッシュ再構成の性能向上を実現する。 FreiHANDデータセットの実験では、STMRの最先端性能と非並列推論速度が、同様のバックボーン法と比較された。
  論文  参考訳（メタデータ） (2024-07-08T14:05:27Z)
• Hierarchical Neural Operator Transformer with Learnable Frequency-aware Loss Prior for Arbitrary-scale Super-resolution [13.298472586395276]
  科学データの解像度を高めるために,任意のスケールの超解像(SR)法を提案する。 異なるドメインからの多様なデータセットについて広範な実験を行う。
  論文  参考訳（メタデータ） (2024-05-20T17:39:29Z)
• On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
  拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。 本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
  論文  参考訳（メタデータ） (2024-05-18T15:59:41Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
  拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。 本稿では,階層型統合拡散モデル(HI-Diff)を提案する。 人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2023-05-22T12:18:20Z)
• Normalizing Flows with Multi-Scale Autoregressive Priors [131.895570212956]
  マルチスケール自己回帰前処理(mAR)を通した遅延空間におけるチャネルワイド依存性を導入する。 我々のmARは、分割結合フロー層(mAR-SCF)を持つモデルに先立って、複雑なマルチモーダルデータの依存関係をよりよく捉えます。 我々は,mAR-SCFにより画像生成品質が向上し,FIDとインセプションのスコアは最先端のフローベースモデルと比較して向上したことを示す。
  論文  参考訳（メタデータ） (2020-04-08T09:07:11Z)

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。