GeoTopoDiff：基于边界约束混合扩散学习几何-拓扑图先验的稀疏切片 3D 多孔重构
计算机视觉与模式识别
2026-05-06 v1
摘要
扩散基准的体素建模在重建大规模 3D 多孔结构时具有挑战性。由于同时要求模型连续孔隙形貌和离散孔-喉拓扑，扩散模型需要完整的 CT 扫描以提供拓扑忠实的先验，这导致在实际工业应用中存在吞吞量、拓扑忠实性和视野范围之间的内在权衡。我们提出了 GeoTopoDiff，一个基于图扩散的框架，用于从稀疏 CT 切片重建 3D 多孔结构。GeoTopoDiff 将扩散先验的学习从体素空间转移到混合图状态空间，该空间同时包含连续孔隙几何和离散孔-喉拓扑。引入一种来自稀疏观测 CT 切片的拓扑感知部分图先验，以约束逆向去噪过程。在各向异性 PTFE 和 Fontainebleau 沙石上进行的实验表明，GeoTopoDiff 在平均情况下将与形貌相关的误差降低 19.8%，将与拓扑敏感的传输误差降低 36.5%。我们的发现表明，混合图状态空间有助于在稀疏观测下减少后验不确定性。所有模型和代码已公开，以促进扩散模型在 3D 多孔结构仿真领域的探索。
引用
@article{arxiv.2605.03764,
title = {GeoTopoDiff: Learning Geometry--Topology Graph Priors through Boundary-Constrained Mixed Diffusion for Sparse-Slice 3D Porous Reconstruction},
author = {Yue Shi and Peng Wang and Mingzhe Yu and Yunlong Zhao and Li Liu and Gareth D Hatton and Yan Lyu and Liangxiu Han},
journal= {arXiv preprint arXiv:2605.03764},
year = {2026}
}