ESTIMATIVA DE PROFUNDIDADE MONOCULAR EM DINÂMICA DE FLUIDOS: UMA ANÁLISE COMPARATIVA DE ARQUITETURAS DE VISÃO COMPUTACIONAL.

Abstract

A estimativa de profundidade monocular apresentou avanços significativos com o uso de Redes Neurais Profundas, contudo, a esmagadora maioria das arquiteturas estado-da-arte (SOTA) é treinada sob a hipótese do mundo rígido, baseando-se na detecção de bordas estruturais sólidas. Esse viés geométrico gera vulnerabilidades arquiteturais severas quando os modelos são submetidos a cenários amorfos e dinâmicos, como escoamentos de fluidos. O presente trabalho tem como objetivo avaliar o desempenho de nove modelos de visão computacional — englobando paradigmas de Redes Convolucionais, Vision Transformers e Modelos de Difusão — aplicados a simulações de Dinâmica dos Fluidos Computacional (CFD). A metodologia consistiu na análise de escoamentos não-rígidos ao redor de quatro geometrias distintas de bloqueio aerodinâmico (cilindro, quadrado, diamante e aerofólio). O desempenho foi quantificado analisando o compromisso métrico entre a precisão volumétrica espacial (Correlação de Pearson) e a coerência cinemática (Inconsistência Temporal). Os resultados empíricos comprovaram que modelos clássicos sofrem inversão matemática de profundidade devido à ausência de quinas. Demonstrou-se também que a eficácia da rede neural é estritamente dependente da topologia do fluxo: modelos de difusão latente (Marigold) apresentaram superioridade estatística absoluta em cenários de acúmulo frontal denso, enquanto modelos fundacionais de atenção espaço-temporal (Video Depth Anything - VDA) dominaram o rastreamento tridimensional em esteiras de turbulência e fluxos bifurcados. Conclui-se que existe um trade-off paradoxal inerente à percepção artificial contemporânea de fluidos, exigindo que a seleção da arquitetura de inteligência artificial seja guiada pela dinâmica física esperada no experimento.