生成模型合成材料微结构图像评价指标综述
材料科学
2022-11-18 v1 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
随着机器学习与材料科学研究的共同发展，合成微结构图像的评估成为一个新兴问题。评估生成模型合成图像的典型前沿方法依赖于 Fréchet Inception Distance。然而，由于表征物理精确微结构的独特特征以及有限的数据集规模，该方法及其他类似方法在材料领域存在局限。在本研究中，我们在石墨烯增强聚氨酯泡沫的扫描电子显微镜（SEM）图像上评估了多种方法。本文的主要目标是报告我们在现有方法缺陷方面的发现，以鼓励机器学习界考虑改进用于评估材料科学领域合成图像质量的指标。
引用
@article{arxiv.2211.09727,
title = {A Survey on Evaluation Metrics for Synthetic Material Micro-Structure Images from Generative Models},
author = {Devesh Shah and Anirudh Suresh and Alemayehu Admasu and Devesh Upadhyay and Kalyanmoy Deb},
journal= {arXiv preprint arXiv:2211.09727},
year = {2022}
}
备注
Accepted in Neural Information Processing Systems (NeurIPS) 2022 Workshop on AI for Accelerated Materials Design (AI4Mat). Selected as spotlight paper for workshop