计算机科学 > 计算机视觉与模式识别
[提交于 2025年1月28日
]
标题: 基于神经网络的直接位移场估计的流体图像测速法
标题: Image Velocimetry using Direct Displacement Field estimation with Neural Networks for Fluids
摘要: 实验流体力学研究的重要工具是粒子图像测速技术(PIV)。 已经提出了几种稳健的方法来从图像中估计速度场,然而,仍需要其他方法以提高结果的空间分辨率。 本工作提出了一种新方法,使用神经网络和光学流动方程来预测连续图像之间的位移矢量。 结果是对位移的连续表示,可以在图像的完整空间分辨率上进行评估。 该方法在合成和实验图像上进行了验证。 在瞬时速度场的估计以及确定的时间平均湍流量和功率谱密度方面获得了准确的结果。 所提出的方法与之前尝试使用机器学习完成此任务的方法不同:它不需要任何先前的训练,并且可以直接用于任何一对图像。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.