論文の概要: MicroLad: 2D-to-3D Microstructure Reconstruction and Generation via Latent Diffusion and Score Distillation

• arxiv url: http://arxiv.org/abs/2508.20138v1
• Date: Wed, 27 Aug 2025 00:21:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-29 18:12:01.599785
• Title: MicroLad: 2D-to-3D Microstructure Reconstruction and Generation via Latent Diffusion and Score Distillation
• Title（参考訳）: MicroLad: 2D-to-3D組織再構成と潜時拡散とスコア蒸留による生成
• Authors: Kang-Hyun Lee, Faez Ahmed,
• Abstract要約: MicroLadは2次元データから3次元の微細構造を再構成するための遅延拡散フレームワークである。 安定でコヒーレントな3Dボリュームを確実に生成し、元のデータと統計的に一致している。
• 参考スコア（独自算出の注目度）: 5.6883658862830115
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A major obstacle to establishing reliable structure-property (SP) linkages in materials engineering is the scarcity of diverse 3D microstructure datasets. Limited dataset availability and insufficient control over the analysis and design space restrict the variety of achievable microstructure morphologies, hindering progress in solving the inverse (property-to-structure) design problem. To address these challenges, we introduce MicroLad, a latent diffusion framework specifically designed for reconstructing 3D microstructures from 2D data. Trained on 2D images and employing multi-plane denoising diffusion sampling in the latent space, the framework reliably generates stable and coherent 3D volumes that remain statistically consistent with the original data. While this reconstruction capability enables dimensionality expansion (2D-to-3D) for generating statistically equivalent 3D samples from 2D data, effective exploration of microstructure design requires methods to guide the generation process toward specific objectives. To achieve this, MicroLad integrates score distillation sampling (SDS), which combines a differentiable score loss with microstructural descriptor-matching and property-alignment terms. This approach updates encoded 2D slices of the 3D volume in the latent space, enabling robust inverse-controlled 2D-to-3D microstructure generation. Consequently, the method facilitates exploration of an expanded 3D microstructure analysis and design space in terms of both microstructural descriptors and material properties.
• Abstract（参考訳）: 材料工学における信頼性の高い構造優位性(SP)結合を確立するための大きな障害は、多様な3次元マイクロ構造データセットの不足である。 分析と設計空間に対する限られたデータセットの可用性と不十分な制御は、達成可能な様々なミクロ構造形態を制限し、逆(適切な構造間)設計問題の解決の進歩を妨げる。 これらの課題に対処するために、我々は2次元データから3次元の微細構造を再構成するように設計された潜伏拡散フレームワークMicroLadを紹介した。 2次元画像に基づいて訓練し、潜伏空間における多面拡散サンプリングを用いて、元のデータと統計的に一致した安定かつ一貫性のある3Dボリュームを確実に生成する。 この再構成機能は、2Dデータから統計的に等価な3Dサンプルを生成するための次元展開(2D-to-3D)を可能にするが、組織設計を効果的に探索するには、生成プロセスを特定の目的に向けて導く方法が必要である。 これを実現するためにMicroLadはスコア蒸留サンプリング(SDS)を統合しており、これは異なるスコア損失とマイクロ構造記述子マッチングとプロパティアライメントの用語を組み合わせたものである。 このアプローチは、潜在空間における3次元体積の符号化された2次元スライスを更新し、堅牢な逆制御2次元から3次元のマイクロ構造生成を可能にする。 これにより、マイクロ構造記述子と材料特性の両方の観点から、拡張された3次元ミクロ構造解析および設計空間の探索が容易となる。

関連論文リスト

• Unified Few-shot Crack Segmentation and its Precise 3D Automatic Measurement in Concrete Structures [2.178830801484721]
  本研究では, 2次元(2次元)き裂検出, 3次元再構築, 3次元自動き裂計測のためのフレームワークを提案する。 そこで我々は,不慣れなシナリオにまたがって強力な一般化を図り,正確な2次元き裂マスクの生成を可能にするき裂分割法を開発した。 画像とLiDAR-SLAMの両方を活用することで、高密度で彩色された点雲を生成するマルチフレームおよびマルチモーダル融合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-01-15T23:36:05Z)
• T-3DGS: Removing Transient Objects for 3D Scene Reconstruction [83.05271859398779]
  映像シーケンスにおける過渡的オブジェクトは、3Dシーン再構成の品質を著しく低下させる可能性がある。 我々は,ガウススプラッティングを用いた3次元再構成において,過渡的障害を頑健に除去する新しいフレームワークT-3DGSを提案する。
  論文  参考訳（メタデータ） (2024-11-29T07:45:24Z)
• Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
  我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。 設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
  論文  参考訳（メタデータ） (2024-02-28T18:59:31Z)
• Denoising diffusion-based synthetic generation of three-dimensional (3D) anisotropic microstructures from two-dimensional (2D) micrographs [0.0]
  条件拡散に基づく生成モデル(DGM)に基づく異方性組織再構築のための枠組みを提案する。 提案するフレームワークは,複数の2次元条件付きDGMの空間的接続を伴い,それぞれが3つの異なる平面に対して2次元マイクロ構造サンプルを生成するように訓練されている。 その結果, このフレームワークは材料相の統計分布だけでなく, 3次元空間における材料特性も再現可能であることがわかった。
  論文  参考訳（メタデータ） (2023-12-13T01:36:37Z)
• StableDreamer: Taming Noisy Score Distillation Sampling for Text-to-3D [88.66678730537777]
  本稿では3つの進歩を取り入れた方法論であるStableDreamerを紹介する。 まず、SDS生成前の等価性と、簡単な教師付きL2再構成損失を定式化する。 第2に,画像空間拡散は幾何学的精度に寄与するが,色調の鮮明化には潜時空間拡散が不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-12-02T02:27:58Z)
• Multi-plane denoising diffusion-based dimensionality expansion for 2D-to-3D reconstruction of microstructures with harmonized sampling [0.0]
  本研究では,マイクロ3Diffと呼ばれる2次元から3次元の微細構造再構築のための新しい枠組みを提案する。 具体的には、この手法は2Dサンプルの生成に事前訓練されたDGMのみを必要とする。 DGMの逆マルコフ鎖からの偏差に対処するために、調和サンプリング法を開発した。
  論文  参考訳（メタデータ） (2023-08-27T07:57:25Z)
• DA-VEGAN: Differentiably Augmenting VAE-GAN for microstructure reconstruction from extremely small data sets [110.60233593474796]
  DA-VEGANは2つの中心的なイノベーションを持つモデルである。 $beta$-variational autoencoderはハイブリッドGANアーキテクチャに組み込まれている。 このアーキテクチャに特化して、独自の差別化可能なデータ拡張スキームが開発されている。
  論文  参考訳（メタデータ） (2023-02-17T08:49:09Z)
• MicroLib: A library of 3D microstructures generated from 2D micrographs using SliceGAN [0.0]
  3次元マイクロ構造データセットは、有限要素モデリングで使用される幾何学的領域を定義するために一般的に用いられる。 任意の大きさの3Dマイクロ構造データセットを統計的に生成する機械学習手法であるSliceGANを開発した。 生体材料から高強度鋼まで,87種類の組織にSliceGANを適用した結果について報告する。
  論文  参考訳（メタデータ） (2022-10-12T19:13:28Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based Perception [122.53774221136193]
  運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。 自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。 本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-12T06:25:11Z)

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。