Increasing-the-resolution-aerodynamic-fields
Nikita Matveev, Ivan Goncharov, Kirill Kozlov, Konstantin Novozhilov
Cite : https://cogmodel.mipt.ru/iprofihack Presentation : https://docs.google.com/presentation/d/18IgPd5W_ApYReopJNU5rFgRMgtnuzaSjgKBh24wzz3Q/edit#slide=id.p
В данном задании нам предлагалось поработать над созданием архитектуры для повышения разрешения поля скоростей и давления для дозвуковых течений. Мы пытались добиться хорошего результата с помощью CNN, Diffusion, модели интерполяции. Ниже изложены наши результаты
Dataset : https://drive.google.com/drive/folders/1oHYiSw6B5u-nK9LRpMCWqft3ucC8MmH7
В ветке CNN_autoEncoder предложен вариант решения с помощью сверточных нейронных сетей, мы использовали часть кода, а также некоторые идеи из статьи и репозитория, выложенных ниже.
В Ветке Kirill выложен код для имплементации AnisotropicDiffusion для одной картинки
В файле interpolation.py представлен пример проведения интерполяции на одном кейсе симуляции для получения бейслайна.
Метод ближайших соседей апроксимирует работу графовых нейронных сетей на примитивном уровне. По сути это упрощенная реализация MessagePassing слоя для GNN. В качестве входных данных были взяты значения соответсвующих векторных полей в соседних точках и расстояние до этих точек, а также (в текущей версии), были добавлены данные интерполяции.