用于基于粒子的物理模拟的带隐式边的 Transformer
机器学习
2022-07-25 v1 图形学
摘要
基于粒子的系统提供了一种灵活且统一的方式来模拟具有复杂动力学的物理系统。现有大多数用于基于粒子系统的数据驱动模拟器采用图神经网络（GNN）作为网络骨干，因为粒子及其相互作用可自然表示为图节点和图边。然而，基于粒子的系统通常包含数百甚至数千个粒子，将粒子相互作用显式建模为图边不可避免地导致显著的计算开销，因为粒子相互作用数量增加。因此，本文提出一种新颖的基于 Transformer 的方法，称为带隐式边的 Transformer（TIE），以无边方式捕获粒子相互作用的丰富语义。TIE 的核心思想是将涉及成对粒子相互作用的计算分散到逐粒子更新中。这是通过调整自注意力模块以类似于 GNN 中图边的更新公式来实现的。为提高 TIE 的泛化能力，我们进一步为 TIE 添加可学习的材料特定抽象粒子，以将全局材料级语义与局部粒子级语义解耦。我们在具有不同复杂度和材料的多样领域上评估了我们的模型。与现有基于 GNN 的方法相比，无需额外技巧，TIE 在所有这些领域均实现了更优的性能和泛化能力。代码和模型见 https://github.com/ftbabi/TIE_ECCV2022.git。
引用
@article{arxiv.2207.10860,
title = {Transformer with Implicit Edges for Particle-based Physics Simulation},
author = {Yidi Shao and Chen Change Loy and Bo Dai},
journal= {arXiv preprint arXiv:2207.10860},
year = {2022}
}
备注
Accepted by ECCV2022, 14 pages