物理信息语义修复：在地质统计建模中的应用
图像与视频处理
2019-12-24 v2 机器学习
计算物理
机器学习
摘要
地质统计建模中的一个基本问题是根据有限的测量数据和某些先验空间统计信息推断非均质地质场。语义修复是一种利用深度生成模型的图像处理技术，最近已被应用于此目的，并展示了其在处理复杂空间模式方面的有效性。然而，原始的语义修复框架仅纳入直接测量信息，而在地质统计学中，间接测量往往很丰富。为克服这一局限，本文提出了一种物理信息语义修复框架，采用带有梯度惩罚的Wasserstein生成对抗网络（WGAN-GP），并通过利用潜在的物理定律联合纳入直接和间接测量信息。我们对一个512维高维问题的模拟结果表明，在新方法中，物理守恒定律得到满足，并且与仅使用直接测量相比，有助于提升修复性能。
引用
@article{arxiv.1909.09459,
title = {Physics-informed semantic inpainting: Application to geostatistical modeling},
author = {Qiang Zheng and Lingzao Zeng and Zhendan Cao and George Em Karniadakis},
journal= {arXiv preprint arXiv:1909.09459},
year = {2019}
}