基于欧拉法的流体模拟是计算机图形学的重要方向之一,但其计算复杂度较高,直接求解精确的流体运动状态会带来较大的性能开销。提出基于二级网格和卷积神经网络(CNN)的流体模拟方法,在提高模拟性能的同时基本保持流体的形态。二级网格的流体空间结构抽象,能够有效减少流体计算的规模,达到加速模拟的效果。在此基础上,使用CNN来减少由于计算量减少而引入的误差,通过对欧拉法精确计算结果进行机器学习,得到较为精确的流体形态。实验结果表明,该方法在提高计算效率的同时能一定程度上保持流体形态细节。
科研之友
微信
新浪微博
Facebook
分享链接
