従来のデジタル画像相関（DIC）手法は固定されたサブセットに依存することから、高周波変位の捕捉能力の不足や複雑な応力に対する適応性の低さといった問題を解決するために、Swin Transformerに基づく変位と応力の同期予測ネットワークモデルが提案されました。このモデルはST-DIC-d（変位予測）とST-DIC-s（応力予測）の2つのサブネットワークで構成されています。まず、Swin Transformerの階層エンコーダー-デコーダー構造を使用して、多スケールの特徴抽出が行われます。次に、注意メカニズムとスキップ接続を介して、画像のローカルおよびグローバルな特徴を効果的に捉え、変位フィールドを得ます。最後に、変位フィールドから応力成分を正確に計算する応力計算層を通じて、変位と応力を予測します。DIC Challengeデータセットでの実験結果は、ST-DICが従来のDIC手法やCNNベースのモデルに比べて、垂直変位の平均絶対誤差が21%減少することを示しています。実際の引張実験では、ST-DICの最大変形精度は急勾配領域で8%向上します。本文で提案された手法は、複雑な変形の測定においてより高い信頼性と精度を有しています。

デジタル画像の相関; Swin Transformer; 高周波変位; 多スケールの特徴抽出; 応力の測定