基于样例与核差异及生成神经网络的地质图像合成
机器学习
2018-09-24 v2 计算机视觉与模式识别
机器学习
应用统计
摘要
我们提出一种基于样例图像进行地质图像合成的框架。我们合成新的实现，使得实现与样例图像之间的块分布差异最小化。该差异使用一种称为最大均值差异的双样本检验核方法进行量化。为实现快速合成，我们在离线阶段训练一个生成神经网络，以在部署时高效采样实现，同时为合成过程提供参数化。我们在一个代表河道化地下储层的经典二值图像上评估该框架，发现该方法能复现样例图像的视觉模式与空间统计特征（图像直方图与两点概率函数）。
引用
@article{arxiv.1809.07748,
title = {Exemplar-based synthesis of geology using kernel discrepancies and generative neural networks},
author = {Shing Chan and Ahmed H. Elsheikh},
journal= {arXiv preprint arXiv:1809.07748},
year = {2018}
}