Методи та програмні засоби симуляції динаміки рідин на основі нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorОлещенко, Любов Михайлівна
dc.contributor.authorПрищепа, Дмитро Євгенович
dc.date.accessioned2025-10-13T13:37:27Z
dc.date.available2025-10-13T13:37:27Z
dc.date.issued2024
dc.description.abstractСимуляція рідин є невід'ємною частиною сучасної 3D-графіки, яка використовується в кіноіндустрії, ігровій сфері та створенні візуальних ефектів. Складність традиційних методів моделювання полягає у високій обчислювальній затратності, що ускладнює створення деталізованих симуляцій. У даній магістерській роботі запропоновано нові гібридні методи симуляції динаміки рідин з використанням U-net нейромереж з наскрізними з’єднаннями. Розроблені методи дозволяють значно пришвидшити обчислення та підвищити деталізацію симуляцій, забезпечуючи середньоквадратичну похибку менше 0.001 і структурну подібність (SSIM) результатів понад 0.9. Завдяки використанню нейромереж та ефективних бібліотек, таких як PyTorch та ONNX Runtime, вдалося досягти високої продуктивності та точності, що робить запропоновані методи перспективним для подальшого використання в індустрії 3D-графіки. Для реалізації методів було створено програмний продукт, який дозволяє художникам і аніматорам ефективно працювати з реалістичними рідинними ефектами без втрати якості. Результати експериментів демонструють високу точність і продуктивність розробленого рішення, що робить його важливим внеском у сферу 3D-графіки та симуляції фізичних явищ.
dc.description.abstractotherFluid simulation is an integral part of modern 3D graphics, which is used in the film industry, gaming and visual effects. The complexity of traditional modeling methods lies in the high computational cost, which makes it difficult to create detailed simulations. This master's thesis proposes new hybrid methods for fluid dynamics simulation, which use U-net neural networks with end-to-end connections. Developed methods allow to significantly speed up calculations and increase the detail of simulations, providing a mean squared error of less than 0.001 and a structural similarity (SSIM) of the results of more than 0.9. Thanks to the use of neural networks and efficient libraries such as PyTorch and ONNX Runtime, it was possible to achieve high performance and accuracy, which makes proposed methods promising for further use in the 3D graphics industry. To implement the methods, a software product was created that allows artists and animators to effectively work with realistic fluid effects without losing quality. The experimental results demonstrate the high accuracy and performance of the developed solution, which makes it an important contribution to the field of 3D graphics and simulation of physical phenomena.
dc.format.extent153 с.
dc.identifier.citationПрищепа, Д. Є. Методи та програмні засоби симуляції динаміки рідин на основі нейронних мереж : магістерська дис. : 121 Інженерія програмного забезпечення / Прищепа Дмитро Євгенович. – Київ, 2024. – 153 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76799
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectпрограмне забезпечення
dc.subjectнейронні мережі
dc.subjectгідродинаміка
dc.subjectмашинне навчання
dc.subjectсимуляція
dc.subject3d моделювання
dc.subject.udc004.415.2
dc.titleМетоди та програмні засоби симуляції динаміки рідин на основі нейронних мереж
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Pryshchepa_magistr.pdf
Розмір:
5.83 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ПЗКС)
Магістерські роботи