tempoGAN：面向流体超分辨率的时间相干体积 GAN

我们提出了一种解决流体超分辨率问题的时间相干生成模型。我们的工作代表了使用神经网络合成四维物理场的首次尝试。基于为三维体积数据推断设计的条件生成对抗网络，我们的模型通过使用一种新颖的时间判别器（除了常用的空间判别器之外）生成一致且细致的结果。我们的实验表明，生成器能够利用额外的物理量（如低分辨率速度或涡量）推断更真实的高分辨率细节。除了在训练过程和生成输出方面的改进外，这些输入也提供了艺术控制的手段。我们还采用了物理感知的数据增强步骤，这对于避免过拟合和降低内存需求至关重要。通过这种方式，我们的网络学习生成具有高度细致、真实且时间相干特征的平流量。我们的方法瞬时工作，仅使用单步低分辨率流体数据。我们使用各种复杂输入和二维与三维中的应用展示了我们方法的能力。