文献类型：会议论文

中文题名：一种基于Transformer的粒子图像测速方法

作者：徐节[1];岳丹鸣[1];邓神谧[1];江静[1];

第一作者：徐节

机构：[1]北京联合大学智慧城市学院;

第一机构：北京联合大学智慧城市学院

会议论文集：中国计算机用户协会网络应用分会2024年第二十八届网络新技术与应用年会论文集

会议日期：20241121

会议地点：中国山东威海

语种：中文

中文关键词：粒子图像测速;流体位移场;Transformer;FlowFormer-PIV;代价记忆

摘要：粒子图像测速(Particle Image Velocimetry,PIV)是一种通过分析连续图像来估计流体位移场的方法,广泛应用于流体力学研究中。近年来,深度学习在流体力学领域,特别是在PIV任务中的应用取得了显著进展。然而,位移场的密集性和复杂性使得基于深度学习的常规算法难以构建准确的匹配关系。为了解决这些问题,提出了一种基于Transformer的FlowFormer-PIV方法。该方法的核心思想是通过注意力机制有效捕捉和估计复杂流动结构,确保构建准确的匹配关系。首先,FlowFormer-PIV将图像对构建的4D代价体积分块,通过交替组Transformer层进行编码,生成代价记忆。然后,利用递归Transformer解码器和动态位置代价查询对代价记忆进行解码,从而获得精确的位移场估计。最后,在Backstep数据集和Cylinder数据集上的实验结果表明,FlowFormer-PIV方法在准确性和泛化能力上均优于现有技术。