用于更快速且鲁棒的 EBSD 数据收集的轻量级 Transformer
计算机视觉与模式识别
2023-08-21 v1 机器学习
图像与视频处理
摘要
三维电子背散射衍射(EBSD)显微镜是材料科学许多应用中的关键工具,但其数据质量在艰巨的收集过程(尤其是通过连续切片)中波动很大。幸运的是,三维 EBSD 数据本质上是序列化的,这为使用 Transformer(在众多领域取得突破的最先进深度学习架构)进行数据处理与恢复提供了机会。为了对错误更具鲁棒性并加速该三维 EBSD 数据收集,我们引入了一种两步方法,利用高效的 Transformer 模型和投影算法处理 Transformer 的输出,以恢复三维 EBSD 体数据中的缺失切片。克服了使用稀缺高维数据进行深度学习的计算与实际障碍,我们仅使用合成三维 EBSD 数据以自监督方式训练该模型,并在真实三维 EBSD 数据上相比现有方法获得了更优的恢复精度。
引用
@article{arxiv.2308.09693,
title = {A Lightweight Transformer for Faster and Robust EBSD Data Collection},
author = {Harry Dong and Sean Donegan and Megna Shah and Yuejie Chi},
journal= {arXiv preprint arXiv:2308.09693},
year = {2023}
}