[發(fā)明專利]基于深度學(xué)習(xí)和SPH框架的流體動畫生成方法及裝置

在審

• 申請?zhí)枺?/td>: 201810317702.0
• 申請日: 2018-04-10
• 公開（公告）號: CN108717722A
• 公開（公告）日: 2018-10-30
• 發(fā)明（設(shè)計）人: 應(yīng)翔;仇強(qiáng);于瑞國;喻梅;王建榮;于健
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G06T13/20
• 分類號: G06T13/20;G06T17/20
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 李林娟

本發(fā)明公開了一種深度學(xué)習(xí)和SPH框架的流體動畫生成方法及裝置，包括：構(gòu)造深度學(xué)習(xí)模型，訓(xùn)練流體模擬數(shù)據(jù)以生成基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)驅(qū)動項(xiàng)；根據(jù)數(shù)據(jù)集的特征，構(gòu)造神經(jīng)網(wǎng)絡(luò)模型，設(shè)定相關(guān)超參數(shù)，然后讀取數(shù)據(jù)集進(jìn)行預(yù)處理，進(jìn)行網(wǎng)絡(luò)模型的訓(xùn)練；將訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)模型導(dǎo)入到SPH流體模擬框架中，作為數(shù)據(jù)驅(qū)動項(xiàng)，替換流體模擬步驟中的壓力項(xiàng)；將數(shù)據(jù)驅(qū)動項(xiàng)導(dǎo)入低精度流體場景數(shù)據(jù)后，進(jìn)行SPH流體模擬計算；采用Marching Cubes算法構(gòu)造流體表面模型，提取流體表面網(wǎng)格并輸出，將每幀的流體網(wǎng)格存儲為數(shù)據(jù)文件，用于離線渲染。實(shí)現(xiàn)了低精度SPH模擬場景下的流體高細(xì)節(jié)表現(xiàn)，提高大規(guī)模流體模擬場景的計算效率。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機(jī)圖形學(xué)中的流體模擬領(lǐng)域，同時包含深度學(xué)習(xí)領(lǐng)域的相關(guān)研究內(nèi)容，尤其涉及拉格朗日流體模擬方案中的SPH(光滑粒子動力學(xué))方法，采用SPH與深度神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，進(jìn)行高精度、高效率的流體模擬的研究。

背景技術(shù)

流體模擬一直以來都是計算機(jī)圖形學(xué)領(lǐng)域重要的研究課題，為了實(shí)現(xiàn)流體動畫的高真實(shí)感，基于物理的流體模擬方案被大量研究和應(yīng)用，其中，拉格朗日方法和歐拉方法是被廣泛研究的流體模擬方法。與基于網(wǎng)格的歐拉方法相比，拉格朗日方法在細(xì)節(jié)表現(xiàn)方面有很多優(yōu)勢，其中，SPH算法是拉格朗日方法中最為廣泛研究的對象。

SPH方法使用粒子進(jìn)行流體建模，其中實(shí)現(xiàn)流體的不可壓縮性是流體真實(shí)感的關(guān)鍵，長久以來，流體的不可壓縮性是很多研究的重點(diǎn)，由此出現(xiàn)了很多改進(jìn)的SPH方案。WCSPH(弱可壓縮SPH)方法采用剛性狀態(tài)方程，但為了保證計算的穩(wěn)定性，必須施加嚴(yán)格的時間步長限制；其后，使用預(yù)測校正方案的PCISPH(預(yù)測校正不可壓縮SPH)被提出，其在時間步長設(shè)置方面較WCSPH提升了一個數(shù)量級；為了提高算法的穩(wěn)定性和收斂效率，IISPH(隱式不可壓縮SPH)方法被提出。在這些改進(jìn)的SPH方法中，壓力項(xiàng)的計算效率是一個很大的桎梏，有效的提高壓力項(xiàng)的計算效率對算法整體執(zhí)行效率的改進(jìn)有著十分重要的意義，而且由于大規(guī)模流體場景可能需要計算千萬級乃至上億數(shù)量的粒子，一個有效的算法加速策略亟待被提出。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于深度學(xué)習(xí)和SPH框架的流體動畫生成方法及裝置，本發(fā)明基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)驅(qū)動改進(jìn)傳統(tǒng)SPH流體模擬框架計算效率低的缺陷，實(shí)現(xiàn)低精度SPH模擬場景下的流體高細(xì)節(jié)表現(xiàn)，提高大規(guī)模流體模擬場景的計算效率，詳見下文描述：

一種基于深度學(xué)習(xí)和SPH框架的流體動畫生成方法，所述方法包括以下步驟：

根據(jù)一次迭代過程中的壓力項(xiàng)的求解過程，獲取壓力項(xiàng)計算前和計算后的相關(guān)模擬數(shù)據(jù)；構(gòu)造深度學(xué)習(xí)模型，訓(xùn)練流體模擬數(shù)據(jù)以生成基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)驅(qū)動項(xiàng)；

根據(jù)數(shù)據(jù)集的特征，構(gòu)造神經(jīng)網(wǎng)絡(luò)模型，設(shè)定相關(guān)超參數(shù)，然后讀取數(shù)據(jù)集，在訓(xùn)練之前，對數(shù)據(jù)集進(jìn)行預(yù)處理，然后進(jìn)行網(wǎng)絡(luò)模型的訓(xùn)練，訓(xùn)練結(jié)束保存神經(jīng)網(wǎng)絡(luò)模型；

將訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)模型導(dǎo)入到SPH流體模擬框架中，作為數(shù)據(jù)驅(qū)動項(xiàng)，替換流體模擬步驟中的壓力項(xiàng)；

將基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)驅(qū)動項(xiàng)導(dǎo)入低精度流體場景數(shù)據(jù)后，進(jìn)行SPH流體模擬計算；

采用Marching Cubes算法構(gòu)造流體表面模型，提取流體表面網(wǎng)格并輸出，將每幀的流體網(wǎng)格存儲為數(shù)據(jù)文件，用于離線渲染。

進(jìn)一步地，所述方法還包括：

創(chuàng)建流體模擬場景的數(shù)據(jù)文件，所有流體數(shù)據(jù)及場景數(shù)據(jù)均通過外部的數(shù)據(jù)文件進(jìn)行定義；

將場景文件中定義的數(shù)據(jù)轉(zhuǎn)化為流場邊界數(shù)據(jù)和流體參數(shù)，通過邊界數(shù)據(jù)初始化流場邊界，通過流體參數(shù)初始化流體。

其中，所述定義的內(nèi)容包括但不限于：流體參數(shù)、流體位置及規(guī)模、流體邊界條件、流場位置及規(guī)模。