F-ANcGAN：用于纳米颗粒合成图像生成的注意力增强循环一致生成对抗网络
计算机视觉与模式识别
2025-05-26 v1 材料科学
机器学习
图像与视频处理
摘要
纳米材料研究正在成为能源、医疗和材料科学中的重要领域，准确分析纳米颗粒的拓扑结构对于确定其性质至关重要。然而，缺乏高质量的标注数据集严重阻碍了针对纳米尺度成像的强分割模型构建。为缓解此问题，本文引入F-ANcGAN，这是一种注意力增强的循环一致生成对抗系统，可使用有限数量的数据样本进行训练，并直接从分割图生成逼真的扫描电子显微镜（SEM）图像。我们的模型采用Style U-Net生成器和带自注意力机制的U-Net分割网络，以捕获结构关系，并应用数据增强方法以增加数据集的多样性。该架构在TiO数据集生成上达到原始FID得分17.65，通过采用有效的后处理技术，FID得分进一步降低至接近10.39。通过实现可扩展的高保真合成数据集生成，我们的方法可以提高下游分割任务训练的效果，克服纳米颗粒分析中严重的数据不足问题，从而将其应用扩展到资源受限的领域。
引用
@article{arxiv.2505.18106,
title = {F-ANcGAN: An Attention-Enhanced Cycle Consistent Generative Adversarial Architecture for Synthetic Image Generation of Nanoparticles},
author = {Varun Ajith and Anindya Pal and Saumik Bhattacharya and Sayantari Ghosh},
journal= {arXiv preprint arXiv:2505.18106},
year = {2025}
}
备注
11 pages, 9 figures, 2 tables, conference paper