利用基于GAN的维度扩展从二维切片生成三维结构
计算机视觉与模式识别
2024-08-07 v1 机器学习
摘要
生成对抗网络（GANs）可被训练用于生成三维图像数据，这对于设计优化很有用。然而，这通常需要三维训练数据，而获取此类数据颇具挑战。二维成像技术往往更快、分辨率更高、更擅长相识别且更易获得。在此，我们引入一种生成对抗网络架构 SliceGAN，它能够使用单张具有代表性的二维图像合成高保真三维数据集。这对于材料微结构生成任务尤为相关，因为截面显微图可包含足以统计重建三维样本的信息。我们的架构实现了均匀信息密度的概念，这既确保所生成体在所有空间点具有同等高质量，又使得可生成任意大体积的样品。SliceGAN 已在多种不同材料上成功训练，证明了该工具的广泛适用性。通过对电池电极的合成与真实数据集在关键微结构度量上的统计比较，展示了所生成显微图的质量。最后，我们发现生成 体素体积的时间在几秒量级，为未来高通量微结构优化研究提供了途径。
引用
@article{arxiv.2102.07708,
title = {Generating 3D structures from a 2D slice with GAN-based dimensionality expansion},
author = {Steve Kench and Samuel J. Cooper},
journal= {arXiv preprint arXiv:2102.07708},
year = {2024}
}