[논문 리뷰] Novel distance-based masking and adaptive alpha-shape methods for CNN-ready reconstruction of arbitrary 2D CFD flow domains

Mehran Sharifi, Gorka S. Larraona외 1명|arXiv (Cornell University)|2026. 02. 17.

Lattice Boltzmann Simulation Studies인용 수 0

한 줄 요약

이 논문은 CNN-준비 및 물리적으로 일관된 2D CFD 유동 영역을 재구성하기 위한 거리 기반 마스킹 접근법과 적응형 알파-형태 방법을 소개하고, 고전적 알파-형태와 벤치마킹하며 웹 도구를 제공합니다.

ABSTRACT

Interpolating scattered CFD datasets onto a uniform Cartesian grid can distort the true geometry, producing a convex-hull type envelope and activating nonphysical regions. This work presents a reconstruction framework that recovers physically consistent masks before exporting CNN-ready fields. It introduces two novel strategies, distance-based masking and an adaptive alpha-shape formulation that normalizes alpha using local data resolution, and evaluates them against classical alpha-shape boundary recovery. A quantitative, topology-aware metric suite is introduced to assess retention, suppression of unsupported regions, overlap consistency, and connectivity. The novel distance-based method is robust across the geometries considered under the same threshold rule, with tau set to the minimum CFD grid spacing, and achieves 500-800 times speedups over classical alpha-shapes. The adaptive alpha-shape remains stable when its control parameter is set to 1 and is 1.7-2.6 times faster than the classical variant, which requires geometry-specific alpha tuning. A lightweight boundary inflation post-process using a minimal dilation further improves retention by up to 2.96% with negligible unsupported activation (less than 0.08%). Overall, the distance-based method is recommended as the default due to its accuracy, stability, minimal tuning, and low cost, while the adaptive alpha-shape is a strong alternative when grid-spacing information for threshold selection is unavailable. A companion web application operationalizes the workflow end to end, enabling 2D ASCII dataset upload, parameter tuning, mask and boundary generation, and export of CNN-ready outputs.

연구 동기 및 목표

• 산재된 데이터를 균일 격자로 보간할 때 비물리적 영역을 피하기 위해 CFD 기하학의 정확한 재구성을 동기 부여한다.
• 일반 임계값 하에서 진짜 기하를 견고하게 복구하는 거리 기반 마스킹 방법을 개발한다.
• 경계 복구를 위한 로컬 데이터 해상도로 알파를 정규화하는 적응형 알파-형태(formulation)를 제안한다.
• 토폴로지 인식 지표 모음으로 방법을 평가하고 고전적 알파-형태와 비교한다.
• 워크플로를 운영화하기 위한 가벼운 후처리 단계와 동반 웹 애플리케이션을 제공한다.

제안 방법

• 물리적으로 일관된 도메인을 회복하기 위해 최소 CFD 격자 간격과 같은 단일 임계값 tau를 사용한 거리 기반 마스킹을 도입한다.
• 로컬 데이터 해상도로 형상 매개변수를 정규화하고 제어 매개변수를 1에 가까운 값으로 두어 안정성을 평가하는 적응형 알파-형태를 개발한다.
• 보존 여부, 비지원 영역의 억제, 중첩 일관성, 연결성을 평가하기 위한 토폴로지 인식 지표 모음을 정의한다.
• 추가 활성화가 무시할 만큼 작게 유지되는 최소 팽창을 통한 경계 팽창 후처리를 포함하여 기하 보존을 향상시킨다.
• 2D ASCII 데이터를 업로드하고 매개변수를 조정하며 마스크/경계를 생성하고 CNN-준비 출력물을 내보내는 동반 웹 애플리케이션을 제공한다.

실험 결과

연구 질문

• RQ1 고려된 도메인들에서 단일 임계 규칙을 사용하여 거리 기반 마스킹이 진짜 CFD 기하를 신뢰성 있게 재현할 수 있는가?
• RQ2 경계 복구와 계산 효율성면에서 적응형 알파-형태가 고전적 알파-형태와 어떻게 비교되는가?
• RQ3 경계 팽창 후처리가 보존성과 비지원 영역의 활성화에 미치는 영향은 무엇인가?
• RQ4 웹 애플리케이션을 통해 이 방법들을 실용적으로 만드는 강건한 워크플로가 있는가?

주요 결과

• 거리 기반 마스킹은 tau를 최소 CFD 격자 간격으로 설정한 기하에서 견고한 기하 재현을 달성한다.
• 거리 기반 방법은 고전적 알파-형태에 비해 500–800배의 속도 향상을 제공한다.
• 적응형 알파-형태는 제어 매개변수가 1로 설정되면 안정적이며, 지오메트리별 조정이 필요한 고전 변형보다 1.7–2.6배 빠르다.
• 경계 팽창 후처리는 보존율을 최대 2.96% 개선하고 비지원 활성화는 미미하게 (<0.08%)이다.
• 전반적으로 거리 기반 마스킹은 정확성, 안정성, 낮은 튜닝 필요성, 비용 측면에서 기본값으로 권장된다. 그리드 간격 정보가 없는 경우 적응형 알파-형태는 강력한 대안이다.