本研究提出了一种图注意卷积网络(GACN),旨在解决在时间变化几何条件下从稀疏数据重构流场的难题。实验结果表明,该模型在大流场重构任务中表现优异,重构误差低,能够更好地捕捉细微湍流。
本文综述了超分辨率技术在多领域的进展,包括SwinFSR用于立体图像、FS-NCSR提升图像细节、BurstSR对齐多帧、PSRFlow量化科学数据不确定性、FFEINR增强流场时空分辨率、SRFlow学习条件分布。机器学习也被用于流场重构,无需高分辨率标签即可降噪并提升分辨率,CNN与DSC/MS模型可从低分辨率数据重建高分辨率流场。
完成下面两步后,将自动完成登录并继续当前操作。