論文の概要: PetroGAN: A novel GAN-based approach to generate realistic, label-free petrographic datasets

• arxiv url: http://arxiv.org/abs/2204.05114v1
• Date: Thu, 7 Apr 2022 01:55:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-12 15:56:32.202671
• Title: PetroGAN: A novel GAN-based approach to generate realistic, label-free petrographic datasets
• Title（参考訳）: PetroGAN: リアルでラベルのないペトログラフデータセットを生成する新しいGANベースのアプローチ
• Authors: I. Ferreira, L. Ochoa and A. Koeshidayatullah
• Abstract要約: 本研究では,GAN(Generative Adversarial Network)に基づく新しいディープラーニングフレームワークを開発し,最初のリアルな合成石油写真データセットを作成する。 トレーニングデータセットは、平面光と横偏光の両方で岩石の薄い部分の10070枚の画像で構成されている。 このアルゴリズムは264のGPU時間で訓練され、ペトログラフ画像のFr'echet Inception Distance(FID)スコアが12.49に達した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning architectures have enriched data analytics in the geosciences, complementing traditional approaches to geological problems. Although deep learning applications in geosciences show encouraging signs, the actual potential remains untapped. This is primarily because geological datasets, particularly petrography, are limited, time-consuming, and expensive to obtain, requiring in-depth knowledge to provide a high-quality labeled dataset. We approached these issues by developing a novel deep learning framework based on generative adversarial networks (GANs) to create the first realistic synthetic petrographic dataset. The StyleGAN2 architecture is selected to allow robust replication of statistical and esthetical characteristics, and improving the internal variance of petrographic data. The training dataset consists of 10070 images of rock thin sections both in plane- and cross-polarized light. The algorithm trained for 264 GPU hours and reached a state-of-the-art Fr\'echet Inception Distance (FID) score of 12.49 for petrographic images. We further observed the FID values vary with lithology type and image resolution. Our survey established that subject matter experts found the generated images were indistinguishable from real images. This study highlights that GANs are a powerful method for generating realistic synthetic data, experimenting with the latent space, and as a future tool for self-labelling, reducing the effort of creating geological datasets.
• Abstract（参考訳）: ディープラーニングアーキテクチャは、地質学におけるデータ分析を豊かにし、地質問題に対する伝統的なアプローチを補完している。 地学における深層学習の応用は奨励的な兆候を示すが、実際のポテンシャルは未解決のままである。 これは主に、地質学的データセット、特に岩石学は、限られた時間と費用がかかり、高品質のラベル付きデータセットを提供するために詳細な知識を必要とするためである。 そこで我々は,GAN(Generative Adversarial Network)に基づく新たなディープラーニングフレームワークを開発し,最初のリアルな合成石油写真データセットを作成することで,この問題に対処した。 StyleGAN2アーキテクチャは、統計的および審美的特性の堅牢な複製を可能にし、岩石データの内部分散を改善するために選択される。 トレーニングデータセットは、平面光とクロスポーラライズ光の両方の岩石薄片の10070画像で構成されている。 このアルゴリズムは264GPU時間で訓練され、ペトログラフィ画像のFr'echet Inception Distance(FID)スコアが12.49に達した。 さらに,fid値はリソロジータイプや画像解像度によって異なっていた。 調査の結果,生成した画像は実画像と区別できないことがわかった。 本研究は,gansが潜在空間を実験しながら,現実的な合成データを生成するための強力な手法であること,また,地質学的データセット作成の労力を削減するための将来のツールであることを浮き彫りにする。

関連論文リスト

• Image-Based Geolocation Using Large Vision-Language Models [19.071551941682063]
  画像に基づく位置情報の精度を大幅に向上する革新的なフレームワークであるToolを紹介した。 ツールは体系的なチェーン・オブ・シント(CoT)アプローチを採用し、人間のジオゲスティング戦略を模倣する。 GeoGuessrゲームの平均スコアは4550.5で85.37%で、高精度な位置情報予測を行う。
  論文  参考訳（メタデータ） (2024-08-18T13:39:43Z)
• Contrasting Deepfakes Diffusion via Contrastive Learning and Global-Local Similarities [88.398085358514]
  Contrastive Deepfake Embeddings (CoDE)は、ディープフェイク検出に特化した新しい埋め込み空間である。 CoDEは、グローバルローカルな類似性をさらに強化することで、対照的な学習を通じて訓練される。
  論文  参考訳（メタデータ） (2024-07-29T18:00:10Z)
• Perceptual Artifacts Localization for Image Synthesis Tasks [59.638307505334076]
  我々は10,168個の画像からなる新しいデータセットを導入し,それぞれに知覚的アーティファクトラベルを付加した。 提案したデータセットに基づいてトレーニングされたセグメンテーションモデルは、さまざまなタスクにまたがるアーティファクトを効果的にローカライズする。 生成した画像の知覚的アーティファクトをシームレスに修正する,革新的なズームイン・インペインティングパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-10-09T10:22:08Z)
• Assessment of a new GeoAI foundation model for flood inundation mapping [4.312965283062856]
  そこで本稿は,IBM-NASAのPrithviによる地空間基盤モデルの性能評価を行い,地空間解析の重要課題である洪水浸水マッピングを支援する。 実験では、ベンチマークデータセットであるSen1Floods11を使用し、モデルの予測可能性、一般化可能性、転送可能性を評価する。 以上の結果から, 未確認領域におけるセグメンテーションにおけるPrithviモデルの性能上の優位性が示された。
  論文  参考訳（メタデータ） (2023-09-25T19:50:47Z)
• Tinto: Multisensor Benchmark for 3D Hyperspectral Point Cloud Segmentation in the Geosciences [9.899276249773425]
  我々は,地質図作成のための深層学習手法の開発と検証を容易にするために設計された,デジタルアウトクロップのベンチマークデータセットであるTintoを提示する。 Tintoは,1)Corta Atalaya(Spain)の実際のデジタルアウトクロップモデル,2)スペクトル特性と地中構造データ,2)原データセットの潜在特徴を用いて地中構造からリアルなスペクトルデータを再構成する合成双生児からなる。 我々はこれらのデータセットを用いて、地質図の自動作成のための異なるディープラーニングアプローチの能力を探索した。
  論文  参考訳（メタデータ） (2023-05-17T03:24:08Z)
• ForamViT-GAN: Exploring New Paradigms in Deep Learning for Micropaleontological Image Analysis [0.0]
  本稿では,階層型視覚変換器とスタイルに基づく生成逆ネットワークアルゴリズムを組み合わせた新しいディープラーニングワークフローを提案する。 本研究では,高信号対雑音比(39.1dB)の高分解能画像とFrechet距離類似度スコア14.88のリアル合成画像を生成することができることを示す。 生成画像と合成画像の両方を精度良く, 異なるフォアミニフェラのセマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティクスを初めて行った。
  論文  参考訳（メタデータ） (2023-04-09T18:49:38Z)
• Semi-Automated Segmentation of Geoscientific Data Using Superpixels [4.035753155957697]
  地質学的プロセスは、臨界鉱物、水、地熱エネルギーなどの資源の分布を決定する。 スーパーピクセルの概念に触発されて,類似した特徴を持つ領域に分割したサーベイデータに対する深層学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2023-03-20T19:21:46Z)
• Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep Learning [77.34726150561087]
  本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。 我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
  論文  参考訳（メタデータ） (2022-09-28T18:51:59Z)
• Learning Topology from Synthetic Data for Unsupervised Depth Completion [66.26787962258346]
  画像から高密度深度マップとスパース深度測定を推定する手法を提案する。 我々は,疎点雲と密度の高い自然形状の関係を学習し,その画像を用いて予測深度マップの検証を行う。
  論文  参考訳（メタデータ） (2021-06-06T00:21:12Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Structured Landmark Detection via Topology-Adapting Deep Graph Learning [75.20602712947016]
  解剖学的顔と医学的ランドマーク検出のための新しいトポロジ適応深層グラフ学習手法を提案する。 提案手法は局所像特徴と大域形状特徴の両方を利用するグラフ信号を構成する。 3つの公開顔画像データセット(WFLW、300W、COFW-68)と3つの現実世界のX線医学データセット(ケパロメトリ、ハンド、ペルビス)で実験を行った。
  論文  参考訳（メタデータ） (2020-04-17T11:55:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。