مدل سازی بلادرنگ، متعامل و رزولوشن بالای بافت نرم به روش غنی سازی مبتنی بر داده

در این مقاله روشی برای مدل سازی بلادرنگ و متعامل بافت نرم در رزولوشن بالا بررسی می شود که در آن مدل درشت بافت نرم با غنی سازی مبتنی بر داده به مدل ظریف تبدیل می شود. برای این منظور در مرحله پیش پردازش نمونه های متناظر درشت و ظریف برای ساخت پایگاه داده های آموزشی ایجاد می شوند. با استفاده از یک رگرسور، مدل درشت مرحله آزمایش با مدل های درشت مرحله آموزش مقایسه شده و وزن هایی به هر نمونه آموزشی تخصیص می یابد و با این وزن ها بافت ظریف مرحله آزمایش با ترکیب خطی مدل های ظریف آموزشی تخمین زده می شود. با فرض تغییرشکل های محلی ناشی از اعمال نیرو به بافت، روشی برای استخراج بردار ویژگی پیشنهاد می شود که تغییرات مکانی گره محل تماس و گره های اطراف آن را روی مش مدنظر قرار داده و از تغییرات گره های دورتر صرف نظر می کند. این مساله باعث کاهش بعد بردار ویژگی و در نتیجه کاهش پیچیدگی محاسبات می شود. برای تعیین میزان شباهت و محاسبه وزن های ترکیب خطی، از رگرسور غیرخطی با هسته گوسی استفاده می شود و برای کاهش اعوجاج ناشی از وزن های منفی، الگوریتم حداقل مربعات غیرمنفی در رگرسور اعمال می شود. روش پیشنهادی روی دو مدل بافت نرم پیاده سازی شده و از نظر دقت بازسازی، پیچیدگی محاسباتی و زمان شبیه سازی مورد بررسی قرار گرفته است.