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

• Consistent machine learning for topology optimization with microstructure-dependent neural network material models [0.0]
  空間的に異なるミクロ構造対称性と異なる異なるマイクロ構造記述子を持つマルチスケール構造のためのフレームワークを提案する。 本研究は,密度に基づく設計最適化と整合性の統合の可能性を明らかにする。
  論文  参考訳（メタデータ） (2024-08-25T14:17:43Z)
• Isomorphic Pruning for Vision Models [56.286064975443026]
  構造化プルーニングは、冗長なサブ構造を取り除くことによって、ディープニューラルネットワークの計算オーバーヘッドを低減する。 Isomorphic Pruningは、ネットワークアーキテクチャの範囲で有効性を示すシンプルなアプローチである。
  論文  参考訳（メタデータ） (2024-07-05T16:14:53Z)
• 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)
• Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
  本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。 本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。 心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
  論文  参考訳（メタデータ） (2024-01-04T08:46:39Z)
• 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)
• 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)
• 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。