干货 | 2 分钟论文：如何使用数据合成烟雾流 ?

会员服务 ·

干货 | 2 分钟论文：如何使用数据合成烟雾流 ?

2017 年 12 月 17 日 AI科技评论 雷锋字幕组

AI 科技评论出品系列短视频《 2 分钟论文》，带大家用碎片时间阅览前沿技术，了解 AI 领域的最新研究成果。

来源 / Two Minute Papers

翻译 / 张丽敏

校对 / 凡江

整理 / 雷锋字幕组

本期论文：基于CNN特征描述符的数据驱动合成烟雾流体

Data-Driven Synthesis of Smoke Flows with CNN-based Feature Descriptors

▷ 观看论文解读

或许，你还记得以前Wavelet Turbulence的论文，也是我迄今为止最喜欢的一篇。在我大二的时候，第一次看到这个的我，完全被这完美的效果震惊了，这项经历让我至今难以忘怀。该项技术还获得了奥斯卡科学技术奖，说它是一个非常有影响力的项目，真是一点儿也不夸张。由此，它极大地激发了我做研究的兴趣。

本篇论文主要探讨的是利用人工智能来精细化地模拟烟雾。一般来讲，创建一个比较简单的模拟不会花费太长时间，然而，当我们为了增加分辨率时，执行的时间和内存的消耗便会突飞猛进。在现今这个人工智能的时代，利用学习算法来实现我们的想法已经随处可见。

如果我们可以在人工智能技术的基础上，可以理解模仿烟雾的关键，提取出粗略的数据，并添加一些非常精细的细节进去，那么我们可以在更短的时间内完成整个计算过程，以此获得获得更高分辨率的模拟烟雾，而非等待数日，乃至一周甚至更长。

这项技术对一大片流体或烟雾的气旋的大小比例和分配进行探索。我们可以应用这些信息，创造一个模拟程度非常相似的效果。大体上，它让我们对模拟烟雾有了一定的了解。另一项操作和把一束模拟烟雾展示给一个人工智能观看，然后让它独自完成这次模仿。

我们建立一个模拟数据库，把它们分成小块，在低分辨率和高分辨率下观看同样的视频，看看这些视频互相之间的联系。通过这种方式，我们可以给这个网络提供一些低分辨率的视频，它可以更合理的猜测出，哪一个高分辨率的碎片更适合它。

当我们找到最合适的碎片时，就可以将粗糙的模拟切换到数据库中最合适的高分辨率碎片。理论上你可能会说，制造这样一个科学怪人一般的烟雾模拟听起来很有吸引力，事实上，当我们看到最后的模拟效果，简直是完美！

正如你所看到的，它进行了一个非常粗略的基础模拟，并在里面增添了一些细节。这真是一个不可思议的成就。被训练的神经网络其中一个去捕捉相似密度，另外一个捕捉相似涡度。把这两个网络穿起来一起使用，我们可以拿出低分辨率的流体流动过程，去以一种难以置信的方式综合这些细节。它也可以处理边界，这就意味着如果我们的烟喷到一个物体上，这些细节就会被正确的添加。

学霸们请阅读论文获得更多细节：https://ge.in.tum.de/publications/2017-sig-chu/