Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
The behavior of liquids can be very complex and chaotic. This thesis presents new approaches to liquids reconstruction for computer graphics based on deep learning. We focus on the challenging surface behavior of gas-liquid interfaces, which comprise a significant fraction of classical fluid setups. We show that deep learning-based approaches can outperform conventional methods in terms of computation time, with similarly good accuracy. ; Das Verhalten von Flüssigkeiten kann sehr komplex und chaotisch sein. Diese Thesis präsentiert neue Ansätzen zu die Rekonstruktion von Flüssigkeiten für Computergrafik basierend auf Deep Learning. Wir fokussieren uns dabei auf das komplexe Oberflächenverhalten von Gas-Flüssigkeit Schnittstellen, welche einen großen Anteil in klassischen Flüssigkeitsetup ausmachen. Wir zeigen, dass Deep Learning-basierte Ansätze herkömmliche Methoden hinsichtlich Berechnungszeit übertreffen können, bei ähnlich guter Genauigkeit.