一种基于数据驱动的流体动画参数估计与细节增强方法

摘要

本发明公开了一种基于数据驱动的流体动画参数估计与细节增强方法，其特点是流体动画参数估计与细节增强具体包括：基于卷积神经网络的流体物理参数估计、基于欧拉法的重仿真或流体动画设计和基于卷积神经网络的流体动画细节增强等步骤，利用参数估计获取的物理参数组合，对输入场景或用户设计场景进行重新模拟，利用卷积神经网络快速重建高分辨速度场，指导在高分辨率网格上的快速重仿真，从而在不增加额外计算开销的情况下获得更丰富、更真实的细节。本发明与现有技术相比具有快速获取仿真场景的物理参数组合，并提供了高效可控的流体动画重仿真模式，具有一定的实用价值。