[发明专利]基于深度学习和SPH框架的流体动画生成方法及装置在审
| 申请号： | 201810317702.0 | 申请日： | 2018-04-10 |
| 公开（公告）号： | CN108717722A | 公开（公告）日： | 2018-10-30 |
| 发明（设计）人： | 应翔;仇强;于瑞国;喻梅;王建荣;于健 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06T13/20 | 分类号： | G06T13/20;G06T17/20 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 李林娟 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种深度学习和SPH框架的流体动画生成方法及装置，包括：构造深度学习模型，训练流体模拟数据以生成基于神经网络的数据驱动项；根据数据集的特征，构造神经网络模型，设定相关超参数，然后读取数据集进行预处理，进行网络模型的训练；将训练完成的神经网络模型导入到SPH流体模拟框架中，作为数据驱动项，替换流体模拟步骤中的压力项；将数据驱动项导入低精度流体场景数据后，进行SPH流体模拟计算；采用Marching Cubes算法构造流体表面模型，提取流体表面网格并输出，将每帧的流体网格存储为数据文件，用于离线渲染。实现了低精度SPH模拟场景下的流体高细节表现，提高大规模流体模拟场景的计算效率。 | ||
| 搜索关键词： | 流体模拟 数据驱动 神经网络模型 流体动画 流体 预处理 表面模型 场景数据 构造流体 计算效率 流体表面 流体网格 模拟场景 神经网络 数据文件 网络模型 数据集 离线 网格 学习 替换 存储 渲染 场景 输出 表现 | ||
【主权项】：
1.一种基于深度学习和SPH框架的流体动画生成方法，其特征在于，所述方法包括以下步骤：根据一次迭代过程中的压力项的求解过程，获取压力项计算前和计算后的相关模拟数据；构造深度学习模型，训练流体模拟数据以生成基于神经网络的数据驱动项；根据数据集的特征，构造神经网络模型，设定相关超参数，然后读取数据集在训练之前，对数据集进行预处理后进行网络模型的训练，训练结束保存神经网络模型；将训练完成的神经网络模型导入到SPH流体模拟框架中，作为数据驱动项，替换流体模拟步骤中的压力项；将基于神经网络的数据驱动项导入低精度流体场景数据后，进行SPH流体模拟计算；采用Marching Cubes算法构造流体表面模型，提取流体表面网格并输出，将每帧的流体网格存储为数据文件，用于离线渲染。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810317702.0/，转载请声明来源钻瓜专利网。
