流體動畫引擎開發:理論與實踐
楊豐
- 出版商: 電子工業
- 出版日期: 2024-05-01
- 售價: $594
- 貴賓價: 9.5 折 $564
- 語言: 簡體中文
- 頁數: 288
- ISBN: 712147719X
- ISBN-13: 9787121477195
- 此書翻譯自: Fluid Engine Development
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
$800$760 -
$594$564 -
$580$458 -
$534$507 -
$894$849 -
$505ANSYS2020 多物理耦合場有限元分析從入門到精通
-
$894$849 -
$176數值方法
-
$414$393 -
$354$336 -
$678程序員數學 : 用 Python 學透線性代數和微積分 (Math for Programmers: 3D graphics, machine learning, and simulations with Python)
-
$534$507 -
$352數學物理方法 -- 使用 MATLAB 建模與模擬
-
$474$450 -
$403MATLAB 圖形學基礎
-
$780$616 -
$296機器學習 (MATLAB版)
-
$880$695 -
$474$450 -
$419$398 -
$505Nuclio 實戰與原始碼分析:基於Kubernetes的Serverless FaaS平臺
-
$352從零開始讀懂微積分
-
$774$735 -
$1,079$1,025 -
$534$507
商品描述
本書圍繞人工智能中的基礎數學理論問題展開討論,介紹了粒子法、網格法,以及混合方法的基本概念,以及它們在動畫引擎開發過程中的代碼實踐。本書的一大特色是為讀者提供了面向代碼的方法,便於讀者上手動畫引擎的開發基礎。本書兼具實用性和理論性,不僅有詳細的理論介紹幫助讀者深入理解相關的概念,還提供豐富的代碼,以及持續更新的GitHub倉庫供讀者參考。本書適合人工智能相關專業、電腦專業、計算數學專業的高年級本科生、研究生學習,也可供涉足該領域的研究人員、工程師參考。
作者簡介
金度燁,NVIDIA首席研究科學家,致力於機器學習和模擬的交叉領域。博士畢業於首爾國立大學,主修物理動畫專業;曾在卡內基梅隆大學進行博士後研究,在加州大學伯克利分校做訪問研究員,專註於數據驅動的物理模擬。在2019年底加入NVIDIA之前,他曾在Microsoft、Uber和Apple等企業工作,專註於3D地圖、模擬和計算機視覺技術。
目錄大綱
第1章 基礎
1.1 你好,流體模擬
1.1.1 定義狀態
1.1.2 計算運動
1.1.3 邊界處理
1.1.4 可視化
1.1.5 最終結果
1.2 如何閱讀本書
1.2.1 獲取代碼
1.2.2 閱讀代碼
1.2.3 閱讀數學表達式
1.3 數學
1.3.1 坐標系
1.3.2 向量
1.3.3 矩陣
1.3.4 線性方程組
1.3.5 場
1.3.6 插值
1.4 幾何
1.4.1 幾何錶面
1.4.2 隱式錶面
1.4.3 從隱式錶面到顯式錶面
1.4.4 從顯式錶面到隱式錶面
1.5 動畫
1.6 基於物理的動畫
1.6.1 基礎入門
1.6.2 物理動畫示例
1.7 流體動畫
1.7.1 重力
1.7.2 壓力
1.7.3 黏性力
1.7.4 密度約束
第2章 基於粒子的模擬方法
2.1 像修拉一樣看世界
2.2 數據結構
2.2.1 粒子系統數據
2.2.2 粒子系統案例
2.2.3 鄰居搜索
2.3 光滑粒子法
2.3.1 基礎
2.3.2 動力學
2.3.3 結果和局限性
2.4 具有較大時間步長的不可壓縮SPH
2.4.1 預測與校正
2.4.2 實現
2.4.3 結果
2.5 處理
2.6 討論和延伸閱讀
第3章 基於網格的模擬方法
3.1 像素化世界
3.2 數據結構
3.2.1 網格類型
3.2.2 網格系統數據
3.3 微分算子
3.3.1 有限差分
3.3.2 梯度
3.3.3 散度
3.3.4 旋度
3.3.5 拉普拉斯算子
3.4 流體模擬
3.4.1 碰撞處理
3.4.2 對流
3.4.3 重力
3.4.4 黏性力
3.4.5 壓力與不可壓性
3.5 煙霧模擬
3.5.1 浮力
3.5.2 對流與耗散
3.6 帶界面的流體
3.6.1 在網格上定義界面
3.6.2 自由界面流動
3.6.3 結果
3.7 討論和延伸閱讀
第4章 混合求解器
4.1 為什麽要混合
4.2 胞中粒子法
4.2.1 從粒子到網格的轉換
4.2.2 從網格到粒子的轉換
4.2.3 移動粒子
4.2.4 結果
4.3 流體隱式粒子法
4.4 其他方法
4.4.1 粒子水平集法
4.4.2 渦旋粒子法
4.5 討論和延伸閱讀
附錄A 基礎知識增補
A.1 共軛梯度和預條件共軛梯度的實現
A.2 自適應時間步長
附錄B 基於粒子的模擬方法增補
B.1 SPH核函數
B.2 PCISPH推導
附錄C 基於網格的模擬方法增補
C.1 網格上的向量與矩陣
C.2 疊代求解器
C.2.1 雅可比方法
C.2.2 高斯-賽德爾方法
C.2.3 共軛梯度法