ನೀಲಿ ಶಬ್ದ ಬಿಂದು ಸೆಟ್‌ಗಳನ್ನು ಸೂಚ್ಯವಾಗಿ ಉತ್ಪಾದಿಸುವ ವಿಧಾನ. ಈ ವಿಧಾನವು ಕರ್ಲಿ ಶಬ್ದ ವೆಕ್ಟರ್ ಕ್ಷೇತ್ರದ ಪರಿಮಾಣ ಸಂರಕ್ಷಣೆ ಮತ್ತು ಡೈಥರಿಂಗ್ ಅನ್ನು ವೆಕ್ಟರ್ ಕ್ಷೇತ್ರದ ಸ್ಟ್ರೀಮ್‌ಲೈನ್‌ಗಳ ಉದ್ದಕ್ಕೂ ಚಲಿಸುವ ಬಿಂದುಗಳಾಗಿ ಅರ್ಥೈಸಿಕೊಳ್ಳಬಹುದು ಎಂಬ ವೀಕ್ಷಣೆಯನ್ನು ಆಧರಿಸಿದೆ. ಸುರುಳಿಯಾಕಾರದ ಶಬ್ದ ವೆಕ್ಟರ್ ಕ್ಷೇತ್ರವನ್ನು ಬಳಸಿಕೊಂಡು ಡೈಥರಿಂಗ್ ಅನ್ನು ನಿರ್ವಹಿಸಿದಾಗ ಪರಿಮಾಣ ಸಂರಕ್ಷಣೆಯು ಬಿಂದುಗಳನ್ನು ಚೆನ್ನಾಗಿ ಬೇರ್ಪಡಿಸುತ್ತದೆ ಎಂದು ತೋರಿಸಲಾಗಿದೆ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಈ ಡೈಥರಿಂಗ್ ಸಾಮಾನ್ಯ ಲ್ಯಾಟಿಸ್‌ನಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಅನಿಸೊಟ್ರೋಪಿಯನ್ನು ಬಹಳವಾಗಿ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಈ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಒಟ್ಟುಗೂಡಿಸಿ, ಕನ್ವಲ್ಯೂಷನಲ್ ಶಬ್ದವನ್ನು ಬಳಸಿಕೊಂಡು ಡಿಥರಿಂಗ್ ಮಾಡುವುದರಿಂದ ನಿಯಮಿತ ಲ್ಯಾಟಿಸ್ ಅನ್ನು ನೀಲಿ ಶಬ್ದ ಗುಣಲಕ್ಷಣಗಳೊಂದಿಗೆ ಪಾಯಿಂಟ್ ಸೆಟ್ ಆಗಿ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಪರಿವರ್ತಿಸಬಹುದು. ಈ ಸೂಚ್ಯ ವಿಧಾನವು ಪಾಯಿಂಟ್ ಸೆಟ್ನ ಪೂರ್ವ ಗಣನೆಯ ಅಗತ್ಯವನ್ನು ನಿವಾರಿಸುತ್ತದೆ. ನೀಲಿ ಶಬ್ದ ಗುಣಲಕ್ಷಣಗಳೊಂದಿಗೆ ನಿರಂಕುಶವಾಗಿ ದೊಡ್ಡ ಪಾಯಿಂಟ್ ಸೆಟ್‌ಗಳು ಅಗತ್ಯವಿರುವಾಗ ಇದು ನಮ್ಮ ತಂತ್ರವನ್ನು ಮೌಲ್ಯಯುತವಾಗಿಸುತ್ತದೆ. ಈ ವಿಧಾನವನ್ನು ಹಲವಾರು ಇತರ ಜಿಟ್ಟರ್-ಆಧಾರಿತ ವಿಧಾನಗಳಿಗೆ ಹೋಲಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ನೀಲಿ-ಶಬ್ದ ಬಿಂದುಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಇತರ ವಿಧಾನಗಳಿಗೆ ಹೋಲಿಸಲಾಗುತ್ತದೆ. ಅಂತಿಮವಾಗಿ, 2D ಮತ್ತು 3D ನಲ್ಲಿ ಕರ್ಲ್ ನಾಯ್ಸ್ ಡಿಥರಿಂಗ್‌ನ ಹಲವಾರು ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ತೋರಿಸಲಾಗಿದೆ.

ಇವರಿಂದ ಉಲ್ಲೇಖಗಳು:https://people.compute.dtu.dk/jerf/papers/cnj.pdf

ಮಾಡೆಲಿಂಗ್ ಓಪನ್ ಸೆಲ್ ಅಲ್ಯೂಮಿನಿಯಂ ಫೋಮ್ (ಮೇಲ್ಭಾಗ) ಮತ್ತುತಾಮ್ರದ ಫೋಮ್(ಕೆಳಗೆ). ನಾವು ಘನ ಗ್ರಿಡ್ ಅನ್ನು ಬಳಸಿದ್ದೇವೆಅಲ್ಯೂಮಿನಿಯಂ ಫೋಮ್ಅದರ ಹೆಚ್ಚಿನ ಸರಂಧ್ರತೆ ಮತ್ತು ತಾಮ್ರದ ಫೋಮ್‌ಗಾಗಿ ಆಕ್ಟಾಹೆಡ್ರಲ್ ಗ್ರಿಡ್ ಕಾರಣ. ಮೂಲೆಯಲ್ಲಿರುವ ಸಮಯವು 1ಎಸ್ಪಿಪಿ ಫ್ರೇಮ್ ಆಗಿದೆ. ನಮ್ಮ ವಿಧಾನದ ನೀಲಿ ಶಬ್ದ ಗುಣಲಕ್ಷಣಗಳು ಪಾಯಿಂಟ್ ಕ್ಲಸ್ಟರಿಂಗ್ ಸಮಸ್ಯೆಗಳನ್ನು ಉತ್ತಮವಾಗಿ ತಪ್ಪಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಬಲಭಾಗದ ಕಾಲಮ್‌ನಲ್ಲಿರುವ ಫೋಟೋಗಳು, ಬೀಹೈ ಕಾಂಪೋಸಿಟ್ ಮೆಟೀರಿಯಲ್ಸ್‌ನ ಸೌಜನ್ಯ (https://www.metalfoamweb.com/), ನಿಜವಾದ ಲೋಹದ ಫೋಮ್ಗಳ ಗೋಚರಿಸುವಿಕೆಯ ಬಗ್ಗೆ ಕೆಲವು ಅಂತಃಪ್ರಜ್ಞೆಯನ್ನು ಒದಗಿಸಿ.