基于物理及数据驱动的流体动画研究
CSTR:
作者:
作者单位:

作者简介:

肖祥云(1989-),男,博士,CCF学生会员,主要研究领域为计算机图形学,机器学习.
杨旭波(1971-),男,博士,教授,博士生导师,CCF高级会员,主要研究领域为计算机图形学,虚拟现实.

通讯作者:

杨旭波,E-mail:yangxubo@sjtu.edu.cn

中图分类号:

基金项目:

国家重点研发计划(2018YFB1004902);国家自然科学基金(61772329)


Physically-based and Data-driven Fluid Simulation Research
Author:
Affiliation:

Fund Project:

Natural Key Research and Development of Program of China (2018YFB1004902); National Natural Science Foundation of China (61772329)

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    主要针对近年来流行的基于物理及数据驱动的各种流体动画模拟算法及其应用给出了一个全面的前沿性综述.首先,对传统的基于物理的流体模拟加速方法进行了综述和总结,同时给出了此类方法中各种算法的优劣性分析;其次,对现有的基于数据驱动的多种算法进行了综述和分析.特别地,将现有的数据驱动方法归结为3类,即数据插值法、数据预计算方法和基于深度学习的方法.并且,进一步讨论了基于数据驱动的流体动画模拟算法的几个关键问题以及其研究趋势与方向.

    Abstract:

    This paper gives a comprehensive overview of the popular animation simulation algorithms based on physical and data-driven methods as well as their applications in recent years. Firstly, the traditional physically-based acceleration fluid simulation methods are summarized, covering both their advantages and disadvantages. Then, the existing data-driven algorithms applied in fluid simulation are summarized and analyzed. In particular, the existing data-driven methods are sumed up into three types, namely, interpolation methods, methods based on pre-computed data, and deep learning methods. Further, some key points are given about the data-driven methods as well as the research trends and directions.

    参考文献
    相似文献
    引证文献
引用本文

肖祥云,杨旭波.基于物理及数据驱动的流体动画研究.软件学报,2020,31(10):3251-3265

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2018-06-14
  • 最后修改日期:2018-10-11
  • 录用日期:
  • 在线发布日期: 2020-10-12
  • 出版日期: 2020-10-06
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号