論文の概要: Multiscale reconstruction of porous media based on multiple dictionaries
learning
- arxiv url: http://arxiv.org/abs/2205.08278v1
- Date: Mon, 16 May 2022 07:09:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-18 14:58:12.940023
- Title: Multiscale reconstruction of porous media based on multiple dictionaries
learning
- Title(参考訳): 複数辞書学習に基づく多孔質メディアの多元的再構築
- Authors: Pengcheng Yan, Qizhi Teng, Xiaohai He, Zhenchuan Ma, Ningning Zhang
- Abstract要約: 本稿では,複数辞書学習に基づくマルチスケール再構築アルゴリズムを提案する。
その結果, マルチスケール再構成の結果は, 実際の高分解能孔構造と類似していることがわかった。
- 参考スコア(独自算出の注目度): 11.420077093805382
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital modeling of the microstructure is important for studying the physical
and transport properties of porous media. Multiscale modeling for porous media
can accurately characterize macro-pores and micro-pores in a large-FoV (field
of view) high-resolution three-dimensional pore structure model. This paper
proposes a multiscale reconstruction algorithm based on multiple dictionaries
learning, in which edge patterns and micro-pore patterns from homology
high-resolution pore structure are introduced into low-resolution pore
structure to build a fine multiscale pore structure model. The qualitative and
quantitative comparisons of the experimental results show that the results of
multiscale reconstruction are similar to the real high-resolution pore
structure in terms of complex pore geometry and pore surface morphology. The
geometric, topological and permeability properties of multiscale reconstruction
results are almost identical to those of the real high-resolution pore
structures. The experiments also demonstrate the proposal algorithm is capable
of multiscale reconstruction without regard to the size of the input. This work
provides an effective method for fine multiscale modeling of porous media.
- Abstract(参考訳): 微細構造のデジタルモデリングは多孔質媒体の物性と輸送特性を研究する上で重要である。
多孔質媒体のマルチスケールモデリングは、大視野の高分解能3次元孔構造モデルにおいて、マクロ孔とマイクロ孔を正確に特徴付けることができる。
本稿では,ホモロジー高分解能細孔構造からのエッジパターンとマイクロ細孔パターンを低分解能細孔構造に導入し,細孔構造モデルを構築するマルチディクショナリ学習に基づくマルチスケール再構成アルゴリズムを提案する。
実験結果の質的・定量的比較により,多スケール復元の結果は複雑な細孔形状と細孔表面形態の観点から実高分解能細孔構造と類似していることがわかった。
マルチスケール再構成結果の幾何学的,位相的,透過性特性は,実際の高分解能孔構造とほぼ同一である。
実験では,提案アルゴリズムは入力のサイズによらず,マルチスケールで再構成可能であることも実証した。
本研究は多孔質媒体のマルチスケールモデリングに有効な手法を提供する。
関連論文リスト
- A Generative Machine Learning Model for Material Microstructure 3D
Reconstruction and Performance Evaluation [4.169915659794567]
2次元から3次元への次元展開は、現在の技術的観点から非常に難しい逆問題と見なされている。
U-netのマルチスケール特性とGANの生成能力を統合する新しい生成モデルが提案されている。
さらに、画像正規化損失とワッサーシュタイン距離損失を組み合わせることにより、モデルの精度をさらに向上する。
論文 参考訳(メタデータ) (2024-02-24T13:42:34Z) - Semi-sparsity Priors for Image Structure Analysis and Extraction [3.130722489512822]
画像構造解析と抽出のための半スパース正規化フレームワークを提案する。
有名な階段のアーチファクトを導入することなく,画像構造を保存できることが示される。
また,乗算器の方向法(ADMM)に基づく効率的な数値解も導入する。
論文 参考訳(メタデータ) (2023-08-17T18:22:00Z) - AI enhanced finite element multiscale modelling and structural
uncertainty analysis of a functionally graded porous beam [11.994242021813696]
金属発泡体の局所的幾何学的ランダム性は多孔質構造の性能予測に複雑さをもたらす。
本研究では, マルチスケールモデリングと深層学習を組み合わせることで, 発泡特性を効率的に評価するための評価戦略を開発した。
論文 参考訳(メタデータ) (2022-11-02T07:36:24Z) - Three-dimensional microstructure generation using generative adversarial
neural networks in the context of continuum micromechanics [77.34726150561087]
本研究は, 三次元マイクロ構造生成に適した生成対向ネットワークを提案する。
軽量アルゴリズムは、明示的な記述子を必要とせずに、単一のmicroCTスキャンから材料の基礎特性を学習することができる。
論文 参考訳(メタデータ) (2022-05-31T13:26:51Z) - Deep Unrolled Recovery in Sparse Biological Imaging [62.997667081978825]
ディープ・アルゴリズム・アンローリング(Deep Algorithm Unrolling)は、反復的アルゴリズムの解釈可能性と教師付きディープラーニングの性能向上を組み合わせたディープ・アーキテクチャを開発するためのモデルベースのアプローチである。
この枠組みは生体イメージングの応用に適しており、測定プロセスを記述する物理モデルが存在し、回復すべき情報がしばしば高度に構造化されている。
論文 参考訳(メタデータ) (2021-09-28T20:22:44Z) - Redefining Neural Architecture Search of Heterogeneous Multi-Network
Models by Characterizing Variation Operators and Model Components [71.03032589756434]
複素領域における異なる変動演算子の効果について検討する。
モデルの複雑さと性能に影響を及ぼす変化演算子と、それを構成する異なる部分の質を推定する様々な指標に依存するモデルの両方を特徴付ける。
論文 参考訳(メタデータ) (2021-06-16T17:12:26Z) - Generating Diverse Structure for Image Inpainting With Hierarchical
VQ-VAE [74.29384873537587]
本稿では,異なる構造を持つ複数の粗い結果を第1段階で生成し,第2段階ではテクスチャを増補して各粗い結果を別々に洗練する,多彩な塗布用2段階モデルを提案する。
CelebA-HQ, Places2, ImageNetデータセットによる実験結果から,本手法は塗布ソリューションの多様性を向上するだけでなく,生成した複数の画像の視覚的品質も向上することが示された。
論文 参考訳(メタデータ) (2021-03-18T05:10:49Z) - Learning Neural Generative Dynamics for Molecular Conformation
Generation [89.03173504444415]
分子グラフから分子コンフォメーション(つまり3d構造)を生成する方法を検討した。
分子グラフから有効かつ多様なコンフォーメーションを生成する新しい確率論的枠組みを提案する。
論文 参考訳(メタデータ) (2021-02-20T03:17:58Z) - Cell division in deep material networks applied to multiscale strain
localization modeling [0.0]
deep material networks(dmn)は、ビルディングブロックに組み込みメカニクスを持つ機械学習モデルである。
ネットワーク上のスケール遷移を追跡するために新しいセル分割スキームが提案され、その一貫性は適合パラメータの物理によって保証される。
細胞中の新たな亀裂表面は凝集層を豊かにすることでモデル化され、亀裂発生と進化のために障害アルゴリズムが開発されている。
論文 参考訳(メタデータ) (2021-01-18T18:24:51Z) - Deep Generative Modeling for Mechanistic-based Learning and Design of
Metamaterial Systems [20.659457956055366]
深部生成モデルに基づく新しいデータ駆動メタマテリアル設計フレームワークを提案する。
本研究では,VAEの潜伏空間が,形状類似度を測定するための距離メートル法を提供することを示す。
機能的グレードとヘテロジニアスなメタマテリアルシステムの両方を設計することで、我々のフレームワークを実証する。
論文 参考訳(メタデータ) (2020-06-27T03:56:55Z) - Vid2Curve: Simultaneous Camera Motion Estimation and Thin Structure
Reconstruction from an RGB Video [90.93141123721713]
ワイヤーフレーム彫刻、フェンス、ケーブル、電力線、木の枝などの細い構造は現実世界では一般的である。
従来の画像ベースや深度ベースの再構築手法を用いて3Dデジタルモデルを入手することは極めて困難である。
ハンドヘルドカメラで撮影したカラービデオから,カメラの動きを同時に推定し,複雑な3次元薄膜構造の形状を高品質に再構成する手法を提案する。
論文 参考訳(メタデータ) (2020-05-07T10:39:20Z)
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。