BF-GAN：基于生成对抗网络开发的 AI 驱动气泡流图像生成模型
计算机视觉与模式识别
2025-02-12 v1 人工智能
摘要
开发了称为气泡流生成对抗网络 (BF-GAN) 的生成式 AI 架构，旨在通过物理条件输入 jg 和 jf 生成逼真且高质量的气泡流图像。初始对 52 组气泡流实验进行条件变化，收集 140,000 张带有 jg 和 jf 物理标签的气泡流图像作为训练数据。随后开发了多尺度损失函数，包含不匹配损失和像素损失以进一步提高 BF-GAN 的生成性能。关于生成式 AI 的评估指标，BF-GAN 超越了传统 GAN。从物理角度来看，提取 BF-GAN 生成的气泡流关键参数并与测量值和经验关联进行比较，验证了 BF-GAN 的生成性能。比较分析表明，BF-GAN 可在研究范围内生成任何给定 jg 和 jf 的逼真且高质量的气泡流图像。BF-GAN 为两相流研究提供了生成式 AI 解决方案，大幅降低获取高质量数据的时间和成本。此外，它可作为气泡流检测和分割算法的基准数据集生成器，提高了该研究领域的整体生产力。BF-GAN 模型可在线获取（https://github.com/zhouzhouwen/BF-GAN）。
引用
@article{arxiv.2502.06863,
title = {BF-GAN: Development of an AI-driven Bubbly Flow Image Generation Model Using Generative Adversarial Networks},
author = {Wen Zhou and Shuichiro Miwa and Yang Liu and Koji Okamoto},
journal= {arXiv preprint arXiv:2502.06863},
year = {2025}
}