基于生成对抗网络的鲕粒灰岩随机重建
计算机视觉与模式识别
2017-12-11 v1 地球物理
机器学习
摘要
随机图像重建是现代数字岩石物理与材料分析的关键部分，旨在创建大量具有代表性的材料微结构样本，用于升尺度、有效性质的数值计算以及不确定性量化。我们提出了一种基于生成对抗神经网络（GANs）的三维随机图像重建方法。GANs 代表一类无监督学习方法的框架，无需对训练数据相关的概率分布进行先验推断。使用全卷积神经网络可快速采样大体积图像。我们将基于 GAN 的网络训练与图像生成工作流应用于鲕粒 Ketton 灰岩微 CT 数据集。将所得图像中模拟流动的有效渗透率、速度分布以及 Minkowski 泛函与深度神经网络生成的合成重建结果进行比较。我们的结果表明 GANs 能够对该评估图像数据集进行快速而准确的重建，同时我们也探讨了基于生成网络的方法在评估中所涉及的若干开放性问题和挑战。
引用
@article{arxiv.1712.02854,
title = {Stochastic reconstruction of an oolitic limestone by generative adversarial networks},
author = {Lukas Mosser and Olivier Dubrule and Martin J. Blunt},
journal= {arXiv preprint arXiv:1712.02854},
year = {2017}
}
备注
22 pages, 14 figures