湍流超分辨不再把密度和速度当独立通道:4D卷积在32倍粗化下把平均PSNR从20.39提到24.47
核心概要
三维可压缩湍流超分辨长期把密度与三个速度分量当作互不相干的通道,标准3D卷积因此难以刻画变量之间的耦合。一种把物理变量保留为显式特征轴、在空间与变量联合域上共享卷积核的四维卷积算子,被嵌入EDSR与RCAN两种超分辨骨干。在BLASTNet 2.0的Momentum128基准上,粗化32倍时EDSR骨干的平均PSNR由20.39升至24.47,并在未见过的参数配置与强迫均匀各向同性湍流上做零样本重建。
深度剖析
三维湍流超分辨模型不再把密度和速度分量压成无结构的通道,而是保留一条显式的物理变量特征轴,让卷积核同时沿三个空间轴和这条变量轴滑动。 此前的3D CNN超分辨把不同物理场当作普通通道,每层只做稠密通道求和,不在变量方向上共享空间滤波结构。 在BLASTNet 2.0的Momentum128基准上,粗化32倍时EDSR骨干的平均PSNR从20.39升到24.47,平均SSIM从0.5230升到0.6214,参数量6.0M对5.8M。
做法是把标准卷积推广到空间与变量联合的四维域,输入张量在三个空间轴之外多出一条长度为变量特征维的轴。 四维卷积本身是既有数学运算,这里把它组织成面向可压缩流动超分辨的结构化空间—变量参数化,并配套四维通道注意力和只对空间轴上采样的PixelShuffle。 该算子被接入EDSR与RCAN两种残差超分辨骨干,在由27个DNS构型切出的子体积上训练,并在分布内测试集、参数变化集与强迫均匀各向同性湍流集上评估。
启示与展望
评估限定在BLASTNet 2.0的Momentum128单快照四场重建任务上,目标场为密度与三个速度分量,低分辨率输入由Favre滤波后下采样生成;这些诊断衡量统计与结构保真度,并不构成对守恒律的严格约束。
单快照任务不含时间导数、压力与热力学状态量,因此无法直接评估非定常可压缩Navier–Stokes残差;实验沿用基准的单次训练协议与固定随机种子,没有多种子误差棒或显著性检验,也未与因子化四维卷积、分组卷积和逐点通道混合做受控对照。
