基于注意力引导的稀疏 3D 地质生成
计算机视觉与模式识别
2026-04-14 v1 人工智能
摘要
从稀疏的 1D 井筒数据和 2D 表面数据构建高分辨率 3D 地质模型是高度 ill-posed 的逆问题。传统的启发式和隐式建模方法在面对极端稀疏性时无法捕捉非线性拓扑断裂，常产生不真实的伪影。此外，虽然扩散模型等深度生成架构在连续域已取得突破，但在稀疏分类网格条件下会出现严重的表示坍缩。为填补这一差距，我们提出了 3D-GeoFlow——首个针对稀疏多模态地质建模的注意力引导连续流匹配框架。通过将离散分类生成重新表述为无仿真的连续向量场回归，通过均方误差优化，我们的模型建立了稳定、确定的最优传输路径。关键在于，我们集成了 3D 注意力门，以动态传播局部井筒特征跨越体积潜在空间，确保宏观结构一致性。为验证我们的框架， 我们构建了包含 2,200 个程序化生成 3D 地质案例的大型多模态数据集。广泛的超出分布（OOD）评估表明，3D-GeoFlow 实现了范式转变，显著优于启发式插值和标准扩散基线。
引用
@article{arxiv.2604.09700,
title = {Attention-Guided Flow-Matching for Sparse 3D Geological Generation},
author = {Zhixiang Lu and Mengqi Han and Peixin Guo and Tianming Bai and Jionglong Su and Fei Fang and Sifan Song},
journal= {arXiv preprint arXiv:2604.09700},
year = {2026}
}