Deep Fluids:流体シミュレーションをディープラーニングで近似する

チューリッヒ工科大学(ETH Zurich)、ミュンヘン工科大学、Pixarによるディープラーニングで流体シミュレーションを近似する研究 Deep Fluids: A Generative Network for Parameterized Fluid Simulationsプロジェクトページソースコードが公開されている。

Deep Fluids

本研究では、削減済みのパラメータセットから流体シミュレーションを合成する新しい生成モデルを提案します。畳み込みニューラルネットワークを離散パラメータ化した流体シミュレーションの速度場(velocity fields)で訓練しました。

訓練データの代表的な特徴を学習するディープラーニングアーキテクチャの特性により、本研究の生成モデルは訓練データセットを正確に近似しつつ、中間値をもっともらしく補間することができます。この生成モデルは、全ての時刻で速度場(velocity fields)の無発散(divergence-free)を保証する新しい損失関数を導入することで流体に最適化されています。

本研究ではさらに、複雑なパラメータを削減した空間で扱えること、潜在空間(latent space)で第2のネットワークと統合することでシミュレーションをリアルタイムに実現できることを示します。
本手法では流体の多種多様な挙動をモデル化しているため、高速なシミュレーション構築、異なるパラメータを持つ流体の補間、タイムリサンプリング、潜在空間(latent space)シミュレーション、シミュレーションデータの圧縮などに応用できます。

本手法による速度場の再構築は、同データをCPUで再シミュレーションするよりも最大で700倍高速に生成でき、圧縮率は最大1300倍となります。


スポンサーリンク

5月に開催されるEurographics 2019で発表されるそうです。


スポンサーリンク


ETH Zurichといえば、数年前にRegression Forestベースの流体シミュレーション近似手法Pysics Forestsを発表していましたね↓
機械学習で流体シミュレーションを近似する『Physics Forests』
CG分野(特にレンダリング)では、現実の物体・現象の性質をモデル化して扱う。計算リソースには限りがあるので、大抵の場合は視覚に大きく影響する要素だけをモデル化して関数などで表現する。実測値や物理法則に基づいた計算を行う「物理モデル」に対...


機械学習による流体シミュレーション近似を突き詰めていくと、やっぱりニューラルネットワークに行き着くということなのだろうか。

GitHubで公開されているDeep Fluidsのソースコードを見ると、TensorFlowベースで実装されているようだ↓
https://github.com/byungsook/deep-fluids

mantaflowという流体シミュレーションのフレームワークを使って訓練用のデータセットを用意するんですね↓

mantaflow

mantaflowは、コンピューターグラフィックスでの流体シミュレーションの研究を対象としたオープンソースのフレームワークです。
並列化されたC++のsolverコア、pythonシーン定義のインターフェイス、プラグインシステムにより、新しいアルゴリズムの迅速なプロトタイピング・テストが可能です。mantaflowには広範囲のNavier-Storkes solverの変種が含まれています。
mantaflowはとても用途が広く、ディープラーニングのフレームワーク(例:numpyを介してTensorFlow)と連携してインポート/エクスポートを可能な他、matlabのプラグインとしてスタンドアローンにコンパイルすることもできます。
最新版のダウンロードはこちら

Physics Forestsで著者の1人にDisney Research所属の人がいたように、Deep Fluidsの著者の中にはPixar所属の人がいますね。

CGで一昔前は物理ベースと言われていたジャンルが、演算コストが頭打ちになってだんだんナレッジ(知識)ベースへと移ってきているということだろうか。
大きな目で見ると、現象をデフォルメして軽い処理で近似していた時代に戻っているような気もする。

多次元パラメータを扱う関数の多いCG分野はディープラーニング(というかニューラルネットワーク)に向いてるのかもな。
畳み込みって、テクスチャマッピングやShading処理そのものだし、GPUとの相性も良い。
https://shiropen.com/seamless/deep-fluids

NVIDIAがGPGPUと言い始めたころ、その使用例は流体計算が多かった気がするけど、時代を経て手を変え品を変え、結局GPUで流体計算しているのも何だか不思議。


スポンサーリンク

関連記事

takminさんが機械学習・画像認識の便利ツールを公開しています
OpenGV:画像からカメラの3次元位置・姿勢を推定するライブラリ
Unity ARKitプラグインサンプルのドキュメントを読む
映画『ブレードランナー 2049』のVFX
白組による『シン・ゴジラ』CGメイキング映像が公開された!
SIGGRAPH ASIAのマスコット
布地のシワの法則性
Google App Engineのデプロイ失敗
BSDF: (Bidirectional scattering distribution funct...
組み込み向けのWindows OS 『Windows Embedded』
WebGL開発に関する情報が充実してきている
Open3D:3Dデータ処理ライブラリ
Kaolin:3Dディープラーニング用のPyTorchライブラリ
ZBrush 2018へのアップグレード
Windows Server 2008にAutodesk Maya 2009をインストール
Google Earth用の建物を簡単に作れるツール Google Building Maker 公...
映画『ジュラシック・ワールド』のVFXメイキング
Unityで強化学習できる『Unity ML-Agents』
Unreal Engine Tokyo MeetUp!へ行ってきた
CGのためのディープラーニング
3DCGのモデルを立体化するサービス
FacebookがDeep learningツールの一部をオープンソース化
UnrealCLR:Unreal Engineで.NET Coreを利用できるプラグイン
テスト
ZBrushのTranspose Masterでポーズを付ける
PolyPaint
OpenCV バージョン4がリリースされた!
顔モデリングのチュートリアル
グローバルイルミネーションに手を出す前に、やり残したことがあるんじゃない?
自前Shaderの件 解決しました
Maya 2015から標準搭載されたMILA
『ハン・ソロ/スター・ウォーズ・ストーリー』のVFXブレイクダウン まとめ
Alice Vision:オープンソースのPhotogrammetryフレームワーク
Facebookの顔認証技術『DeepFace』
Verilog HDL
為替レートの読み方 2WAYプライス表示
OpenCVでPhotoshopのプラグイン開発
Mean Stack開発の最初の一歩
ガメラ生誕50周年
OpenCV 3.3.0-RCでsfmモジュールをビルド
ROSの薄い本
Pythonの自然言語処理ライブラリ『NLTK(Natural Language Toolkit)』

コメント