SURFSUP: Learning Fluid Simulation for Novel Surfaces

要約

タイトル：SURFSUP：新しい表面に対する流体シミュレーションの学習

要約：

– 複雑なシーンで液体の力学モデリングは、設計、グラフィックス、ロボット工学のアプリケーションにとって重要である。
– 学習ベースのメソッドは高速で微分可能な流体シミュレータを提供するが、これまでの大部分の研究はトレーニング中に見られなかった本当に新しい表面との正確な流体相互作用のモデル化ができない。
– SURFSUPは、メッシュまたは粒子の明示的表現ではなく、符号付き距離関数（SDF）を使用して暗黙的にオブジェクトを表現するフレームワークを提供する。
– この連続的なジオメトリ表現は、長い時間をかけた流体オブジェクト相互作用のより正確なシミュレーションを可能にし、同時に計算をより効率的にする。
– さらに、SURFSUPは単純な形状プリミティブにトレーニングされているにもかかわらず、複雑な現実世界のシーンやオブジェクトに対して適用でき、分布外にも大幅に汎用性があることを示す。
– 最後に、モデルを反転させて、流体の流れを操作するための単純なオブジェクトを設計できることを示す。

要約(オリジナル)

Modeling the mechanics of fluid in complex scenes is vital to applications in design, graphics, and robotics. Learning-based methods provide fast and differentiable fluid simulators, however most prior work is unable to accurately model how fluids interact with genuinely novel surfaces not seen during training. We introduce SURFSUP, a framework that represents objects implicitly using signed distance functions (SDFs), rather than an explicit representation of meshes or particles. This continuous representation of geometry enables more accurate simulation of fluid-object interactions over long time periods while simultaneously making computation more efficient. Moreover, SURFSUP trained on simple shape primitives generalizes considerably out-of-distribution, even to complex real-world scenes and objects. Finally, we show we can invert our model to design simple objects to manipulate fluid flow.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI