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

Mehran Sharifi, Gorka S. Larraona+1 more|arXiv (Cornell University)|Feb 17, 2026

Lattice Boltzmann Simulation Studies被引用 0

一句话总结

本文提出基于距离的掩蔽方法和自适应 α-形状方法，用于重建 CNN 就绪、物理一致的二维 CFD 流域，基准比较经典 α-形状，并提供一个网页工具。

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.

研究动机与目标

• 在将离散数据插值到统一网格时， motivating 对 CFD 几何的准确重建，以避免非物理区域。
• 开发基于距离的掩蔽方法，在常用阈值下鲁棒地恢复真实几何形状。
• 提出自适应 α-形状公式，通过局部数据分辨率归一化形状参数以实现边界恢复。
• 以拓扑感知的指标集评估方法，并与经典 α-形状进行比较。
• 提供轻量级后处理步骤和配套网页应用以落地工作流。

提出的方法

• 引入基于距离的掩蔽，在单一阈值 τ 等于最小 CFD 网格间距的前提下恢复物理一致的区域。
• 开发自适应 α-形状，通过局部数据分辨率归一化形状参数，并用接近 1 的控制参数评估稳定性。
• 定义拓扑感知的指标集，以评估保留、抑制不支持区域、重叠一致性和连通性。
• 包含边界膨胀的后处理，通过最小膨胀实现边界保留的改进，额外激活几乎可以忽略。
• 提供配套网页应用，可上传二维 ASCII 数据、调参、生成掩模/边界并导出 CNN 就绪输出。

实验结果

研究问题

• RQ1 距离基掩蔽是否能够在所考虑的域上使用单一阈值规则可靠地恢复真实 CFD 几何？
• RQ2 自适应 α-形状在边界恢复和计算效率方面与经典 α-形状相比如何？
• RQ3 边界膨胀后处理对保留以及对不支持区域激活的影响如何？
• RQ4 是否存在一个健壮的工作流，通过网页应用使这些方法变得实用？

主要发现

• 距离基掩蔽在几何形状上实现鲁棒的几何恢复，τ 设为最小 CFD 网格间距。
• 距离基方法在与经典 α-形状的比较中实现 500–800×的加速。
• 当控制参数设为 1 时，自适应 α-形状保持稳定，且比需要几何特定调参的经典变体快 1.7–2.6×。
• 边界膨胀的后处理在保留上提升最多 2.96%，不支持区域激活几乎不增加 (<0.08%)。
• 总体而言，由于精度、稳定性、低调参成本与低开销，距离基掩蔽被推荐为默认方法；在网格间距信息不可用时，自适应 α-形状是一个强有力的替代方案。