ICCVJul, 2021

利用学习的相位到空间变换加速大气湍流模拟

PDF
TL;DR本文提出了一种基于 phase-to-space transform 的新模拟方法，该模拟方法通过不变卷积和基函数学习，结合轻量化网络直接将相位转化为空间形式，以实现有效的大气湍流成像模拟，相对主流分裂步进模拟器，该模拟器可获得 300 倍至 1000 倍的速度提升，并保持了必要的湍流统计分析。
imaging simulationatmospheric turbulencephase-to-space transformconvolutionturbulence statistics
发现论文，激发创造
  • 单帧大气湍流抑制：基准研究与一种新的物理启示 Transformers 模型

    本研究提出了一种基于物理启发的转换器模型来处理大气湍流引起的图像失真，利用该模型可以提取动态湍流失真图并恢复无失真图像，并收集了两个现实世界的湍流数据集，用经典数据和一种新的任务驱动度量来进行评估。

    Jul, 2022

  • 靠各向异性湍流重构静态和动态场景的图像

    本文介绍了一种统一的大气湍流衰减方法，在静态和动态序列中均可使用，并且通过利用一种新的时空非局部平均方法来构建可靠的参考帧，利用几何一致性和锐度度量来生成幸运帧，并通过对盲变焦点扩散函数进行物理约束的先验模型。通过合成和真实长距离湍流序列基于实验结果验证了所提出方法的性能。

    Aug, 2020

  • 利用物理感知时空动态和测试时间细化重建湍流流场

    本研究提出了一种新的物理引导神经网络方法，用于从低分辨率大涡模拟数据重建高分辨率的直接数值模拟数据，并在两种不同类型的湍流数据上得到了优越的结果。

    Apr, 2023

  • 时空湍流抑制：一个翻译视角

    利用经典图像修复算法的直觉，我们提出了深度大气湍流抑制网络（DATUM），能够在深度学习方法中高效地执行长距离时序聚合，同时无缝地促进像素注册和幸运成像，并通过额外的监督来共同减轻倾斜和模糊退化，从而显著优于现有方法，并提供十倍的处理速度提升。

    Jan, 2024

  • 如何在热适应目标检测模型上增强大气湍流效应？

    利用湍流图像增强技术改善在大气湍流环境下热适应和基于深度学习的目标检测模型的准确性和鲁棒性，研究表明，通过在模型训练中使用湍流特定的增强方法，可以显著提高检测湍流图像的准确性和鲁棒性。

    May, 2024

  • 利用视频序列深度视觉先验进行大气湍流去除

    基于自我监督学习的方法能够改善大气湍流扭曲效应，利用深度学习和时空先验能够提高图像质量。

    Feb, 2024

  • 学习的粗模型用于高效湍流模拟

    训练得到的模拟器可以在低空间和时间分辨率下捕捉高分辨率下产生的湍流动力学，我们的模型在各种科学相关度量中比传统的数值解算器更准确地模拟了湍流动力学。

    Dec, 2021

  • 基于机器学习的湍流流场时空超分辨率重建

    本文介绍了一种利用监督式机器学习技术、灵感来源于超分辨率和插帧的新型湍流数据重建方法，通过卷积神经网络的多尺度模型，及时地将高分辨率的湍流流场从粗略的空间和时间数据中恢复出来，该方法在二维圆柱后流、二维衰减均匀同性湍流和三维涡旋管道流场的应用中得到了验证，表明其能够满足多种流场重建的需求。

    Apr, 2020

  • 通过深度序列学习模型模拟三维各向同性湍流的时空实现

    本文使用数据驱动的方法，应用前沿的深度学习技术模拟三维湍流，考虑流体的物理约束，并使用向量量化自编码器等方法降低数据维度，应用 Transformer 网络预测流体运动趋势，所得结果优于其他网络，但不能完美还原小幅动态。

    Dec, 2021

  • 物理保持的 AI 加速等离子体湍流模拟

    将大涡模拟技术与机器学习相结合，通过 ML 基于子网格尺度模型描述小尺度动力学，从而减少计算量并保留湍流系统的统计物理性质。

    Sep, 2023