基于微调Segment Anything模型的零样本数字岩石图像分割
计算机视觉与模式识别
2023-11-21 v1
摘要
精确的图像分割在储层建模与材料表征中至关重要，可通过详细的储层模型提高油气开采效率。这种精度提供了对岩石性质的洞察，推进了数字岩石物理的理解。然而，由于复杂的CT和SEM岩石图像尺寸大且对比度低，创建像素级标注十分困难，延长了分析时间。这激发了数字岩石图像分析中对先进半监督与无监督分割技术的兴趣，有望带来更高效、准确且更少劳动密集型的方法。Meta AI的Segment Anything Model（SAM）在2023年革新了图像分割，提供具有零样本能力的交互式与自动化分割，这对于训练数据有限且图像特征复杂的数字岩石物理至关重要。尽管功能先进，SAM因其训练集中缺少岩石图像且灰度图像低对比度特性，难以处理岩石CT/SEM图像。我们的研究对SAM进行微调以用于岩石CT/SEM图像分割，优化参数并处理大规模图像以提高精度。在岩石CT与SEM图像上的实验表明，微调显著增强了SAM性能，能在数字岩石图像分析中生成高质量掩码。我们的结果证明了微调SAM模型（RockSAM）用于岩石图像的可行性与有效性，可在无需大量训练或复杂标注的情况下进行分割。
引用
@article{arxiv.2311.10865,
title = {Zero-Shot Digital Rock Image Segmentation with a Fine-Tuned Segment Anything Model},
author = {Zhaoyang Ma and Xupeng He and Shuyu Sun and Bicheng Yan and Hyung Kwak and Jun Gao},
journal= {arXiv preprint arXiv:2311.10865},
year = {2023}
}