Buchumschlag

Global Transport for Fluid Reconstruction with Learned Self-Supervision

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Franz, Aleksandra, Solenthaler, Barbara, Thuerey, Nils
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Computer Vision and Pattern Recognition Fluid Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning to Estimate Single-View Volumetric Flow Motions without 3D Supervision
von: Franz, Aleksandra, et al.
Veröffentlicht: (2023)

Image Velocimetry using Direct Displacement Field estimation with Neural Networks for Fluids
von: Magaña, Efraín, et al.
Veröffentlicht: (2025)

EngineBench: Flow Reconstruction in the Transparent Combustion Chamber III Optical Engine
von: Baker, Samuel J., et al.
Veröffentlicht: (2024)

Pressure Field Reconstruction with SIREN: A Mesh-Free Approach for Image Velocimetry in Complex Noisy Environments
von: Miotto, Renato F., et al.
Veröffentlicht: (2025)

Learning Distributions of Complex Fluid Simulations with Diffusion Graph Networks
von: Lino, Mario, et al.
Veröffentlicht: (2025)

Comparison of Generative Learning Methods for Turbulence Surrogates
von: Drygala, Claudia, et al.
Veröffentlicht: (2024)

Learning Transient Convective Heat Transfer with Geometry Aware World Models
von: Doganay, Onur T., et al.
Veröffentlicht: (2026)

One Scale at a Time: Scale-Autoregressive Modeling for Fluid Flow Distributions
von: Lino, Mario, et al.
Veröffentlicht: (2026)

A Pioneering Neural Network Method for Efficient and Robust Fluid Simulation
von: Chen, Yu, et al.
Veröffentlicht: (2024)

Neural reconstruction of 3D ocean wave hydrodynamics from camera sensing
von: Liu, Jiabin, et al.
Veröffentlicht: (2025)

Enhancing wind field resolution in complex terrain through a knowledge-driven machine learning approach
von: Wold, Jacob Wulff, et al.
Veröffentlicht: (2023)

Estimating Dynamic Flow Features in Groups of Tracked Objects
von: Harms, Tanner D., et al.
Veröffentlicht: (2024)

PDEBENCH: An Extensive Benchmark for Scientific Machine Learning
von: Takamoto, Makoto, et al.
Veröffentlicht: (2022)

VortexViz: Finding Vortex Boundaries by Learning from Particle Trajectories
von: de Silva, Akila, et al.
Veröffentlicht: (2024)

Pattern-Based Phase-Separation of Tracer and Dispersed Phase Particles in Two-Phase Defocusing Particle Tracking Velocimetry
von: Sax, Christian, et al.
Veröffentlicht: (2025)

CNN-powered micro- to macro-scale flow modeling in deformable porous media
von: Heider, Yousef, et al.
Veröffentlicht: (2025)

Large-scale flood modeling and forecasting with FloodCast
von: Xu, Qingsong, et al.
Veröffentlicht: (2024)

On the Role of Strain and Vorticity in Numerical Integration Error for Flow Matching
von: Tao, Chenxi, et al.
Veröffentlicht: (2026)

Accelerating Simulation of Two-Phase Flows with Neural PDE Surrogates
von: Poels, Yoeri, et al.
Veröffentlicht: (2024)

Validated respiratory drug deposition predictions from 2D and 3D medical images with statistical shape models and convolutional neural networks
von: Williams, Josh, et al.
Veröffentlicht: (2023)

Clustering Method for Time-Series Images Using Quantum-Inspired Computing Technology
von: Inoue, Tomoki, et al.
Veröffentlicht: (2023)

Physics-Informed Temporal U-Net for High-Fidelity Fluid Interpolation
von: A., Eshwar R., et al.
Veröffentlicht: (2026)

Deep learning-based predictive modelling of transonic flow over an aerofoil
von: Chen, Li-Wei, et al.
Veröffentlicht: (2024)

Identifying Locally Turbulent Vortices within Instabilities
von: Vivodtzev, Fabien, et al.
Veröffentlicht: (2024)

Flow Gym: A framework for the development, benchmarking, training, and deployment of flow-field quantification methods
von: Banelli, Francesco, et al.
Veröffentlicht: (2025)

Component-Based Machine Learning for Indoor Flow and Temperature Fields Prediction Latent Feature Aggregation and Flow Interaction
von: Wang, Shaofan, et al.
Veröffentlicht: (2025)

Mesh Neural Networks for SE(3)-Equivariant Hemodynamics Estimation on the Artery Wall
von: Suk, Julian, et al.
Veröffentlicht: (2022)

A neural operator framework for data-driven discovery of stability and receptivity in physical systems
von: Wang, Chengyun, et al.
Veröffentlicht: (2026)

Benchmarking Autoregressive Conditional Diffusion Models for Turbulent Flow Simulation
von: Kohl, Georg, et al.
Veröffentlicht: (2023)

Visual anemometry of natural vegetation from their leaf motion
von: Goldshmid, Roni H., et al.
Veröffentlicht: (2025)

Particle Image Velocimetry Refinement via Consensus ADMM
von: Bonomi, Alan, et al.
Veröffentlicht: (2025)

Vision-Informed Flow Image Super-Resolution with Quaternion Spatial Modeling and Dynamic Flow Convolution
von: Cao, Qinglong, et al.
Veröffentlicht: (2024)

PLIC-Net: A Machine Learning Approach for 3D Interface Reconstruction in Volume of Fluid Methods
von: Cahaly, Andrew, et al.
Veröffentlicht: (2024)

Towards a Foundation-Model Paradigm for Aerodynamic Prediction in Three-dimensional Design
von: Yang, Yunjia, et al.
Veröffentlicht: (2026)

Light Transport-aware Diffusion Posterior Sampling for Single-View Reconstruction of 3D Volumes
von: Leonard, Ludwic, et al.
Veröffentlicht: (2025)

Uncertainty-aware Surrogate Models for Airfoil Flow Simulations with Denoising Diffusion Probabilistic Models
von: Liu, Qiang, et al.
Veröffentlicht: (2023)

SuperWing: a comprehensive transonic wing dataset for data-driven aerodynamic design
von: Yang, Yunjia, et al.
Veröffentlicht: (2025)

Self-Supervised Learning for Effective Denoising of Flow Fields
von: Yu, Linqi, et al.
Veröffentlicht: (2024)

LSTM-PINN for Steady-State Electrothermal Transport: Preserving Multi-Field Consis tency in Strongly Coupled Heat and Fluid Flow
von: Zhou, Yuqing, et al.
Veröffentlicht: (2026)

Thermodynamically Admissible Diffuse Interface Model for Nanoscale Transport of Dense Fluids
von: Bhattacharjee, Rahul, et al.
Veröffentlicht: (2025)