| 研究課題/領域番号 |
20K12534
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分90010:デザイン学関連
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
鶴野 玲治 九州大学, 芸術工学研究院, 教授 (10197775)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2020年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | 流れ模様 / 機械学習 / コンピュータグラフィックス / 流体 / ビジュアルシミュレーション / 流体近似 / 流体計算モデル |
|---|
| 研究開始時の研究の概要 |
本研究では二次元流れ模様の生成、正確性と演出性と操作性の向上、それらの裏付けとなる現象のモデリングの効率化、また、これらを駆使して制作者の意図が反映されやすい流れ模様を自由に美しく生成する方法を確立する。
CG(Computer Graphics)における流体計算には必然的にCFDの計算方法がベースとなる。したがって、これをいかに最適化し簡略化するかが論点となる。人間が直観的に理解できるボリューム空間表現は断面であるとことからレンダリングの対象を二次元に限定することは合理的であると考える。不可視の部分の動きを簡略化できれば二次元の流れ模様をより自然に美しく描出可能であると考えている。
|
| 研究実績の概要 |
自然界に存在する流体の動きや造形をコンピュータグラフィックスで描きだすにはナビエストークス方程式を解析的に求める物理ベースシミュレーションによる方法が一般的である。しかしこれはユーザーの感性に基づいたコントロールやエディットが困難という問題がある。本研究は必ずしも物理法則に忠実でなくもビジュアルシミュレーションレベルの精度でかつ自然で美しい印象を与える流れ模様を生成しインタラクティブにコントロールを可能にする適切な変数、関数、方程式、解法を探るものである。
2020年度より進めてきた本研究は、当初、流体の「幾何学的特徴」をもとにナビエストークス方程式を幾何学的に解く方法で、計算効率向上と幾何学構造の再現と表現力の向上をさぐってきた。2021年度後半から2022年度にかけて人間の毛髪のモデルに応用し、髪の毛の特性をもとに流れの形を得ることに成功した。2022年度後半から2023年にかけて水や風のような自然の流体に回帰し、解析的な方法から機械学習の考え方を取り入れるに至っている。研究の対象を当初の計算平面に戻し2次元閉領域での複雑な乱流を機械学習し、詳細度可変なさまざまな墨流しバターンの生成を行った。インタラクティブなペン操作を入力とし、ストローク線ベースで瞬間的なニューラル流体の生成に成功し、流体模様の密度とストローク線、画像対画像変換ネットワーク、スタイル変換と乱流スケールの調整などに対応させている。当初計画の通り流体計算によらずに、数学的な計算、細線状の物体モデル、機械学習などによって生成される流れ模様やその操作の環境の実現に近づいている。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
2021年に国内ジャーナル採録になったあと、2022年度は人間の毛髪モデルの特性を根拠とする流体(流線)の生成に発展させることに成功した。2022年後半頃から二次元渦場のパターン生成に回帰し機械学習による詳細度制御も含めた流体模様の生成にとりかかった。研究開始時点(2020～2021)には数学的な解析によって渦場流体のパターン生成を局所二次形式で近似し幾何学的特徴を抽出する試みを行っていたが、2023年にはこれをニューラルネットワーク、機械学習に発展させ、インタラクティブなストローク線ベースの瞬間的なニューラル流体の生成を実現できている。本研究の目的であるインタラクティブな流れ模様の生成、編集、変換に近づいていると言える。
2023年は難度の高いジャーナルや著名な国際会議への論文投稿を行っていたが、現時点で採択には至っておらず、戻ってきた査読結果を参考に改良を加えているところである。
|
| 今後の研究の推進方策 |
現在行っているインタラクティブなストローク線ベースのニューラル流体パターンの瞬間的生成、密度操作、画像対画像変換、スタイル変換などの機械学習部分の改良と生成される流れ模様バターンの高度化を模索している。機械学習や人工知能関連の分野はこの数年で非常に急速に発展しており、競争の激しい分野となっている。新規の関連研究が発表され続けている中で本研究の明確な独自性と新規性を示すとともに、実際にこれを応用したシステムの試作運用を行いその評価を行うことなどを考えている。
|
