機器學習讓電腦圖形學(CG)模擬更真實了!
方法名為神經流向圖(Neural Flow Maps,NFM),四個渦旋的煙霧也能精確模擬的那種:
更複雜的也能輕鬆實現:
#要知道,在這個AI應用滿天飛的時代,CG物理模擬仍是傳統數值演算法的天下。
△NFM模擬「蛙跳」
#儘管神經網路應用在CG能創造目眩神迷的視覺效果,它卻無法嚴格、穩健地描述物理性質。
△NFM模擬「墨滴」
也正是因此,基於神經網路的物理模擬至今仍處於概念驗證 (proof of concept)的階段,所產生的效果也遠非SOTA。
為了解決這個複雜問題,研究團隊來自達特茅斯學院、喬治亞理工學院和史丹佛大學提出了神經流向圖這一新方法。他們將神經網路的優勢與先進的實體模型結合,實現了前所未有的視覺效果和物理精確性。
該論文發表於圖形學頂刊ACM Transactions on Graphics(TOG),並獲SIGGRAPH Asia 2023最佳論文。
NFM長啥樣?
研究團隊的核心觀點是:想利用AI去更好地解決物理問題,就不能侷限地將可學習模組(learnable modules)嵌入現有的方法架構(例如SPH,stable fluids)中。
現有方法是針對傳統數值方法的能力範疇量身定制的,也正因為如此,機器學習的發展所提出的一系列的全新的能力(例如NeRF對時空信號的緊湊表達),往往在已有的框架中找不到用武之地。
因此,研究人員認為與其套用AI在現有的框架中,不如基於AI提出的新能力,來設計數學和數值的新框架,從而最大化這些能力的價值。
物理模型
基於上述思路,研究人員透過對物理和AI進行協同設計(co-design),建構一個超越SOTA的流體模擬器。
物理部分,NFM首先使用了一套基於衝量的(impulse-based)流體方程,透過對常見的歐拉方程進行度規變換(gauge transformation) ,確立了速度場與流向圖(flow map)以及其空間導數的關係。
換言之,只要可以得到精確的flow map數值解,那麼演化的速度場就可以被精確的重構出來。
為了最精確地計算flow map,NFM提出了一個精心設計的「雙向行進」(bidirectional marching)數值演算法。
此演算法比已有演算法的精確度高出3至5個數量級,但它同時也要求儲存長期的時空(spatiotemporal)速度場。
對大規模3D模擬來說,儲存單幀的速度場尚且有挑戰,儲存數十上百幀的速度場則全然不可行。因此「雙向行進」的演算法儘管精準,但用傳統的手段卻無法實現。
神經網路儲存
NFM巧妙地結合了基於流向圖的物理模型對於儲存高精度速度場的需求,和隱式神經表示(implicit neural representation,或INR)進行高品質時空訊號壓縮的能力,讓上述高度精確但無法實現的模擬方法變得可行。
INR通常对每个场景只需训练一次,但NFM却把它用作一个中间变量在模拟的过程中不断的进行更新,这也对INR的性能提出了更苛刻的要求。
针对这点,NFM提出了一种称作SSNF的新型高性能INR。
通过自动规划空间稀疏存储中每个格点的开启状态,以及一个基于Lagrange多项式的时间处理方案,SSNF达到了比Instant-NGP、KPlanes等方法更快的收敛速度,更高的压缩比,以及更高的存储精度。
拿下最新SOTA
实验结果表明,作为一个基于AI的模拟器,NFM显著地超越了SOTA方法:bimocq、covector fluids以及MC R。
在2D点涡(point vortex)保持的实验中,NFM的平均绝对误差对比其余三者减少了最少14,最多308倍。
在3D蛙跳(leapfrogging vortices)实验中,NFM也显著提升了能量守恒的能力。
同时,这种数值能力体现为对自然现象的更好模拟:根据物理定律,蛙跳中的两对涡管将永不融和,而NFM的两个涡管在完成5次蛙跳后仍然保持分离,对比的方法至多在3次之后就完全融和。
最后,文章还通过一系列算例(如固体交互,瑞利泰勒不稳定性,涡管重连等)展示了NFM在创作复杂视觉效果上的优越性。
在这个层面上值得注意的是,尽管都是利用AI赋予流体更多的细节,现有的AI超分辨率算法只能提升画面细节,但NFM却突破性地以物理的方式提升了动力学细节,从而根本性地提高了流体模拟的真实度。
项目链接:https://yitongdeng-projects.github.io/neural_flow_maps_webpage/
以上是AI模擬器拿下實體模擬新SOTA!的詳細內容。更多資訊請關注PHP中文網其他相關文章!

科學家已經廣泛研究了人類和更簡單的神經網絡(如秀麗隱桿線蟲中的神經網絡),以了解其功能。 但是,出現了一個關鍵問題:我們如何使自己的神經網絡與新穎的AI一起有效地工作

Google的雙子座高級:新的訂閱層即將到來 目前,訪問Gemini Advanced需要$ 19.99/月Google One AI高級計劃。 但是,Android Authority報告暗示了即將發生的變化。 最新的Google P中的代碼

儘管圍繞高級AI功能炒作,但企業AI部署中潛伏的巨大挑戰:數據處理瓶頸。首席執行官慶祝AI的進步時,工程師努力應對緩慢的查詢時間,管道超載,一個

處理文檔不再只是在您的AI項目中打開文件,而是將混亂變成清晰度。諸如PDF,PowerPoints和Word之類的文檔以各種形狀和大小淹沒了我們的工作流程。檢索結構化

利用Google的代理開發套件(ADK)的力量創建具有現實世界功能的智能代理!該教程通過使用ADK來構建對話代理,並支持Gemini和GPT等各種語言模型。 w

摘要: 小型語言模型 (SLM) 專為效率而設計。在資源匱乏、實時性和隱私敏感的環境中,它們比大型語言模型 (LLM) 更勝一籌。 最適合專注型任務,尤其是在領域特異性、控制性和可解釋性比通用知識或創造力更重要的情況下。 SLM 並非 LLMs 的替代品,但在精度、速度和成本效益至關重要時,它們是理想之選。 技術幫助我們用更少的資源取得更多成就。它一直是推動者,而非驅動者。從蒸汽機時代到互聯網泡沫時期,技術的威力在於它幫助我們解決問題的程度。人工智能 (AI) 以及最近的生成式 AI 也不例

利用Google雙子座的力量用於計算機視覺:綜合指南 領先的AI聊天機器人Google Gemini擴展了其功能,超越了對話,以涵蓋強大的計算機視覺功能。 本指南詳細說明瞭如何利用

2025年的AI景觀正在充滿活力,而Google的Gemini 2.0 Flash和Openai的O4-Mini的到來。 這些尖端的車型分開了幾週,具有可比的高級功能和令人印象深刻的基準分數。這個深入的比較


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

Atom編輯器mac版下載
最受歡迎的的開源編輯器

Dreamweaver CS6
視覺化網頁開發工具

EditPlus 中文破解版
體積小,語法高亮,不支援程式碼提示功能

Dreamweaver Mac版
視覺化網頁開發工具

SublimeText3 英文版
推薦:為Win版本,支援程式碼提示!