视频到视频翻译网络在计算流体力学中的应用
流体动力学
2021-09-23 v1 计算机视觉与模式识别
机器学习
摘要
近年来，人工智能尤其是深度学习的演进十分显著，其在各领域的应用迅速增长。本文报道了将生成对抗网络（GAN）具体而言视频到视频翻译网络应用于计算流体力学（CFD）模拟的结果。本研究旨在利用GAN降低CFD模拟的计算成本。本研究中GAN的架构是图像到图像翻译网络（所谓“pix2pix”）与长短期记忆（LSTM）的组合。结果表明，高成本高精度模拟（高分辨率计算网格）的结果可由低成本低精度模拟（低分辨率网格）的结果估计得到。特别地，通过GAN可由低分辨率网格情形下的密度分布时间演化再现高分辨率网格情形下的密度分布时间演化，且由GAN生成图像估计的密度不均匀性以良好精度恢复了真实值。本文还给出了所提方法结果与若干超分辨率算法的定性与定量比较。
引用
@article{arxiv.2109.10679,
title = {Application of Video-to-Video Translation Networks to Computational Fluid Dynamics},
author = {Hiromitsu Kigure},
journal= {arXiv preprint arXiv:2109.10679},
year = {2021}
}
备注
Published in Frontiers in Artificial Intelligence