ScalarFlow：面向计算机动画与机器学习的真实世界标量输运流大规模体数据集
图形学
2020-11-23 v1 计算机视觉与模式识别
机器学习
摘要
本文提出 ScalarFlow，一个由真实世界烟雾羽流重建而成的大规模数据集。此外，我们提出了一种基于少量视频流进行精确物理重建的框架。我们算法的核心组件是对不可见流入区域的新颖估计以及一种高效的正则化方案。我们的数据集包含大量复杂且自然的浮力驱动流。这些流动过渡到湍流并包含可观测的标量输运过程。因此，ScalarFlow 数据集专为计算机图形学、视觉与学习应用而定制。发布的数据集将包含速度与密度的体重建、输入图像序列，以及标定数据、代码和如何复现廉价硬件采集设置的说明。我们进一步展示了众多潜在应用领域之一：一项首次感知评估研究，其揭示所捕获流动的复杂性需要巨大的仿真分辨率，才能使常规求解器至少重建出所捕获数据中自然复杂性的一部分。
引用
@article{arxiv.2011.10284,
title = {ScalarFlow: A Large-Scale Volumetric Data Set of Real-world Scalar Transport Flows for Computer Animation and Machine Learning},
author = {Marie-Lena Eckert and Kiwon Um and Nils Thuerey},
journal= {arXiv preprint arXiv:2011.10284},
year = {2020}
}
备注
Details and data at: https://ge.in.tum.de/publications/2019-scalarflow-eckert/