HyFluid est une méthode neuronale qui infère la densité et le champ de vitesse d'un fluide à partir de vidéos multivues clairsemées. Contrairement aux méthodes existantes de reconstruction de la dynamique neuronale, HyFluid peut estimer précisément la densité et révéler la vitesse sous-jacente, surmontant l'ambiguïté visuelle inhérente à la vitesse du fluide. La méthode introduit un ensemble de pertes basées sur la physique pour inférer un champ de vitesse physiquement plausible, tout en gérant la nature turbulente de la vitesse du fluide. Elle conçoit une représentation neuronale hybride de la vitesse, incluant un champ de vitesse neuronal de base qui capture la majeure partie de l'énergie irrotationnelle et des vitesses de particules de vortex qui simulent la vitesse turbulente restante. Cette méthode peut être utilisée pour diverses applications d'apprentissage et de reconstruction autour des écoulements tridimensionnels incompressibles, y compris la resimulation et l'édition de fluides, la prédiction future et la synthèse de scènes dynamiques neuronales.