人体软组织信息处理
基于物理信息神经网络(PINNs)与三维柔性组织非线性生物力学模型的结合,本研究提出了一种新的方法,能够重建位移场并估算异质病人个体的生物物理特性,通过在临床环境中常规获取的有限位移和应变数据,结合问题的物理性质和偏微分方程的数学模型,提高问题的稳定性和收敛性能,进而在疾病诊断等方面发展个性化的模拟模型,并演示了 PINN 能够检测瘢痕组织的存在、位置和严重程度的能力。
Dec, 2023
人体软组织的非刚性变形模拟是在虚拟现实和游戏等应用中至关重要的,传统的有限元方法 (FEM) 过于缓慢和资源密集,本文提出了一种基于数据驱动的非刚性变形模拟器的统一表示方法,能够实现快速仿真真实交互。
Mar, 2024
通过使用一个可微分的、准静态的、基于物理学的仿真层,以神经网络参数化为特征,本论文利用活动软体对形态施加内部驱动机制。关键贡献是通过定义一个函数实现空间点在材料空间中到激励值的连续映射,从而提供了捕获信号主导频率的特性。扩展了隐式模型到下颚运动学,特别是面部动画的情况,并展示了能够可靠地复制用高质量捕捉系统记录的面部表情的能力。我们将该方法应用于体积软体、人体姿势和面部表情,证明了对艺术家友好的属性,如在测试时对潜在空间的简单控制和解析度不变性。
Jan, 2024
通过使用物理蓄水池计算框架,本文实验性地研究了简单的纸质 Miura-ori 的认知能力,利用它的身体动力学进行信息感知任务,既可以估计负载的重量和位置,也可以识别输入频率和大小模式,同时还能实现多重任务。
Feb, 2023
本研究提出了一种新的神经网络架构,用于对 3D 人类上肢骨骼系统模型进行全面的可视化。利用深度学习模型实现了实时可视化,使得连续力学模拟在视觉实时应用中变得可行。
Dec, 2023
本文提出了 SoftSMPL,一种基于学习的方法,用于以身体形状和动作作为函数来建模逼真的软组织动力学,具有比现有技术更好的通用性,运用了新颖的运动描述符、神经网络的基于循环的回归器和高效的非线性变形子空间。
Apr, 2020
近期,关于储层计算的研究取得了重大突破,需要具有能够实现储层物理实现的动力学的模拟装置,以实现更快的信息处理速度、更低的能量消耗和较小的面积占用。通过电压相关动态的离子通道基础箱体,我们展示了只需一次数据编码并通过一个包含具有不同动力学特性的多个箱体的储层层的数据输入方法的可行性,并通过实验证明了这种方法的预测和分类准确率高于传统方法。
Oct, 2023
利用表面流动液膜上激发的孤立波,实验证明一种物理上的储备计算系统,该系统通过对输入数据进行非线性转换来替代随机性的影响,从而作为传统储备计算算法的技术简单的硬件改进。
Jan, 2024
本文介绍了一种基于深度学习的方法,用于计算混合现实中用户实时交互引起的(可能是非线性和耗散性的)可变形物体的动态响应,以保证虚拟世界的正确性和真实性。两个具体示例证明了该方法的高效性。
Oct, 2022