Mohamedelrefaie/DrivAerNet
A Large-Scale Multimodal Car Dataset with Computational Fluid Dynamics Simulations and Deep Learning Benchmarks
What it solves
DrivAerNet++ 提供了一個大規模、高保真度的數據集，以彌補概念性汽車設計與空氣動力學性能分析之間的差距。它透過提供一個用於訓練神經代理模型（neural surrogates）的全面性基準測試，消除了每種設計迭代都需要進行昂貴且耗時的計算流體動力學（CFD）模擬的需求。
How it works
該專案包含 8,150 個多樣化的汽車設計（包括 fastback、notchback 與 estateback 配置），皆透過高保真 CFD 模擬進行建模。每個設計由 26 個幾何參數描述。該數據集是多模態的，提供多種格式的數據：
- 3D Representations: 點雲、網格與體積場（壓力、速度、湍流）。
- Performance Metrics: 空氣動力學係數，例如阻力係數 (Cd) 與升力係數 (Cl)。
- 2D Visuals: 寫實渲染圖與手繪草圖。
- Annotations: 針對 29 種不同汽車組件的語義標籤。
Who it’s for
- AI Researchers: 開發用於車輛設計的生成式 AI 或用於空氣動力學預測的神經代理模型的研究人員。
- Engineering Practitioners: 尋求優化汽車外形以獲得更好性能，而不僅僅依賴傳統 CFD 的設計師。
- SciML Framework Users: NVIDIA Modulus 或 Baidu PaddleScience 的使用者。
Highlights
- Massive Scale: 包含 8,150 個設計，總數據集大小為 39 TB。
- Multimodal Approach: 結合了參數化模型、3D 網格、CFD 場與 2D 草圖。
- Comprehensive Benchmarking: 提供專用的排行榜 (CarBench) 用於比較神經代理模型的性能。
- Broad Coverage: 代表了內燃機 (ICE) 與電動車 (EV) 車型。