従来のデジタル画像相関（DIC）手法が固定サブセットに依存するため、高周波変位の捕捉能力が不足し、複雑なひずみに対する適応性が低い問題を解決するために、Swin Transformerに基づく変位とひずみの同期予測ネットワークモデルを提案した。本モデルはST-DIC-d（変位予測）とST-DIC-s（ひずみ予測）の2つのサブネットワークで構成される。まず、Swin Transformerの階層型エンコーダー-デコーダー構造を利用してマルチスケール特徴抽出を行う；次に、アテンション機構とスキップ接続により画像の局所およびグローバル特徴を効果的に捉え、変位場を得る；最後に、変位場からひずみ計算層を通じてひずみ成分を正確に算出する。DIC Challengeデータセットでの実験結果は、ST-DICが従来のDIC手法およびCNNベースモデルに比べて垂直変位予測における平均絶対誤差を21％削減したことを示している。実際の引張実験では、高勾配領域の最大ひずみ精度が8％向上した。本論文で提案する方法は複雑な変形の計測においてより高い信頼性と精度を有する。

デジタル画像相関;Swin Transformer;高周波変位;マルチスケール特徴抽出;ひずみ計測