An Artificial Neural Network for Efficiently Learning Representation of Screened Foam Generation

스크린드 거품 생성을 효율적으로 학습 표현하는 인공신경망

본 논문에서는 인공신경망을 통해 화면에 투영된 거품입자를 효율적으로 생성할 수 있는 기법에 대해 소개한다. 유체 시뮬레이션 기반으로 바다거품을 계산하기 위해서는 유체역학과 수치해석학에 대한 이해가 필요하며, 유속의 유기물, 풍속 등 다양한 물리적 요소를 고려해야하기 때문에 복잡하고 계산양이 커진다. 오일러리안(Eulerian)접근법에서는 격자의 해상도가 커지게 되고, 라그랑지안(Lagrangian)접근법에서는 입자의 개수가 많아지기 때문에 이 문제를 다루기 쉽지 않은 문제이다. 이러한 문제를 완화하기 위해 본 논문에서는 인공신경망을 이용한 분류 모델 학습을 통해 3차원 유체 시뮬레이션으로부터 투영된 2차원 스크린 이미지로부터 거품이 생성될 위치를 예측한다. 결과적으로 물의 스크린에 투영된 물 입자의 깊이와 가속도로부터 거품의 생성 위치를 예측함으로서 복잡한 수치해석학 없이 학습을 통해 효율적으로 거품을 표현하는 결과를 보여준다.