作为一个基于AI的模拟器,NFM显著地超越了SOTA方法:bimocq、covector fluids以及MC+R。
机器学习让计算机图形学(CG)仿真更真实了!
方法名为神经流向图(Neural Flow Maps,NFM),四个涡旋的烟雾也能精确模拟的那种:
更为复杂的也能轻松实现:
要知道,在这个AI应用满天飞的时代,CG物理仿真仍然是传统数值算法的天下。
△NFM模拟“蛙跳”
尽管神经网络应用在CG能创造目眩神迷的视觉效果,它却无法严格、鲁棒地描述物理性质。
作为一个基于AI的模拟器,NFM显著地超越了SOTA方法:bimocq、covector fluids以及MC+R。
机器学习让计算机图形学(CG)仿真更真实了!
方法名为神经流向图(Neural Flow Maps,NFM),四个涡旋的烟雾也能精确模拟的那种:
更为复杂的也能轻松实现:
要知道,在这个AI应用满天飞的时代,CG物理仿真仍然是传统数值算法的天下。
尽管神经网络应用在CG能创造目眩神迷的视觉效果,它却无法严格、鲁棒地描述物理性质。