DrivAerNet++：大规模多模态汽车数据集及深度学习基准
机器学习
2025-02-14 v2 人工智能
计算工程、金融与科学
流体动力学
摘要
我们提出了DrivAerNet++，这是目前最大且最全面的用于汽车空气动力学设计的多模态数据集。DrivAerNet++包含由高保真计算流体动力学(CFD)仿真构成的8000个多样化汽车设计。该数据集包括各种汽车配置，如快跑、 notchback和estateback，以及不同的底盘和轮子设计，以代表内燃机和电动车。数据集中的每个条目都包含详细的3D网格、参数模型、空气动力学系数以及大量流场和表面场数据，以及用于汽车分类和点云数据的分割部件。该数据集支持广泛的机器学习应用，包括数据驱动的设计优化、生成式建模、代理模型训练、CFD仿真加速和几何分类。拥有超过39 TB的公开工程数据，DrivAerNet++填补了可用资源之间的显著空白，为模型训练、促进泛化和加速汽车设计进程提供了高质量、多样化的数据。除了严格的数据集验证外，我们还提供了在预测空气动力学阻力任务上的ML基准结果，展示了我们数据集支持的广泛应用范围。该数据集将显著影响汽车设计和更广泛的工程学科，通过促进创新和提高空气动力学评估的保真度来实现这一目标。数据集和代码均可在：https://github.com/Mohamedelrefaie/DrivAerNet 获取。
引用
@article{arxiv.2406.09624,
title = {DrivAerNet++: A Large-Scale Multimodal Car Dataset with Computational Fluid Dynamics Simulations and Deep Learning Benchmarks},
author = {Mohamed Elrefaie and Florin Morar and Angela Dai and Faez Ahmed},
journal= {arXiv preprint arXiv:2406.09624},
year = {2025}
}