Editing Fluid Flows with Divergence-Free Biharmonic Vector Field Interpolation
Notice bibliographique
Résumé
Achieving satisfying fluid animation through numerical simulation can be time-consuming because such simulations are computationally expensive to perform and there are few practical post-processing tools for editing of completed simulations – often, the user must modify their scene setup and launch it again from scratch. To address this challenge, we present a divergence-free biharmonic vector field interpolation and extrapolation method for reusing and/or stitching together spatial regions of existing flows. Given velocities and velocity gradients on the boundary of a domain at each timestep, which may be either user-defined or drawn from existing simulations, we fill in the given domain by constructing an optimally smooth, divergence-free, boundary-satisfying vector field. We measure smoothness using the Laplacian energy to allow smooth boundary behavior and enforce divergence constraints through explicit Lagrange multipliers. The prior methods for this \nproblem suffer from non-zero divergence and associated visible compression artifacts, or cannot smoothly match the desired slopes at the domain boundaries. Moreover, we introduce a new extrapolation scheme that can handle unprescribed boundaries by smoothly extending the vector field through the unspecified boundary. In this case, we measure the smoothness using the Hessian energy which provides well-behaved solutions for “free” or natural boundary conditions. We demonstrate that our new interpolation and extrapolation procedures always produce smooth and incompressible flows, as well as enabling a \nrange of natural simulation editing capabilities including hole-filling, copy-pasting, extrapolation, and scene stretching.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».