論文の概要: Robustness and Transferability of Pix2Geomodel for Bidirectional Facies Property Translation in a Complex Reservoir
- arxiv url: http://arxiv.org/abs/2605.03919v1
- Date: Tue, 05 May 2026 16:16:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-06 19:35:44.025369
- Title: Robustness and Transferability of Pix2Geomodel for Bidirectional Facies Property Translation in a Complex Reservoir
- Title（参考訳）: 複合貯留層における双方向相特性変換のためのPix2Geoモデルのロバスト性と伝達性
- Authors: Abdulrahman Al-Fakih, Nabil Sariah, Ardiansyah Koeshidayatullah, Sherif Hanafy, SanLinn I. Kaka,
- Abstract要約: 本研究は,垂直支持率の低い異なる,より複雑なデータセット上でのPix2Geoモデルのロバスト性と転送性を評価する。
その結果,本モデルは支配的な地質構造と主要な空間連続性傾向を保っていることが明らかとなった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Reservoir geomodeling is central to subsurface characterization, but it remains challenging because conditioning data are sparse, geological heterogeneity is strong, and conventional geostatistical workflows often struggle to capture nonlinear relationships between facies and petrophysical properties. This study evaluates the robustness and transferability of Pix2Geomodel on a different and more complex reservoir dataset with reduced vertical support. The new case includes a heterogeneous reservoir-quality classification and only 54 retained layers, providing a stricter test of whether Pix2Pix-based image-to-image translation can preserve facies-property relationships under constrained data conditions. Facies, porosity, permeability, and clay volume (VCL) were extracted from a reference reservoir model, exported as aligned two-dimensional slices, augmented using consistent geometric transformations, and assembled into paired image datasets. Six bidirectional tasks were evaluated: facies to porosity, facies to permeability, facies to VCL, porosity to facies, permeability to facies, and VCL to facies. The Pix2Pix model, consisting of a U-Net generator and PatchGAN discriminator, was evaluated using image-based metrics, visual comparison, and variogram-based spatial-continuity validation. Results show that the model preserves the dominant geological architecture and main spatial-continuity trends. Facies to porosity achieved the highest pixel accuracy and frequency-weighted intersection over union of 0.9326 and 0.8807, while VCL to facies achieved the highest mean pixel accuracy and mean intersection over union of 0.8506 and 0.7049. These findings show that Pix2Geomodel can transfer beyond its original case study as a practical framework for rapid bidirectional facies-property translation in complex reservoir modeling.
- Abstract（参考訳）: 貯水池のジオモデリングは地下のキャラクタリゼーションの中心であるが, 条件付きデータは希薄であり, 地質学的不均一性が強く, 従来の地質学的ワークフローは相と石油物性の非線形関係を捉えるのにしばしば苦労しているため, 依然として困難である。
本研究は,垂直支持率の低い異なる,より複雑な貯水池データセット上でのPix2Geoモデルのロバスト性と伝達性を評価する。
新しいケースには、不均一な貯水池品質の分類と54の保持層のみが含まれており、Pix2Pixベースの画像と画像の翻訳が、制約されたデータ条件下での相と相性の関係を維持することができるかどうかをより厳密なテストを提供する。
基準貯留層モデルから相, 気孔, 透水性, 粘土体積(VCL)を抽出し, 整列2次元スライスとしてエクスポートし, 一貫した幾何変換を用いて拡張し, ペア画像データセットに組み立てた。
6つの双方向課題が評価された: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病因: 病
U-NetジェネレータとPatchGAN識別器で構成されるPix2Pixモデルを,画像ベースメトリクス,視覚比較,空間連続性検証を用いて評価した。
その結果,本モデルは支配的な地質構造と主要な空間連続性傾向を保っていることが明らかとなった。
VCLは0.8506と0.7049の平均画素精度と平均交わりを達成し、VCLは0.9326と0.8807の結合で最高画素精度と周波数重みの交差を達成した。
これらの結果から、Pix2Geomodelは、複雑な貯水池モデルにおける高速な双方向フェイズ・プロパティ変換の実践的枠組みとして、当初のケーススタディを超えて移行可能であることが示唆された。
関連論文リスト
- Function-Space Decoupled Diffusion for Forward and Inverse Modeling in Carbon Capture and Storage [65.51149575007149]
本稿では,Fun-DDPSについて述べる。Fun-DDPSは,関数空間拡散モデルと微分可能なニューラル演算子サロゲートを結合した生成フレームワークである。
Fun-DDPSは、ジョイントステートベースラインで観察される高周波アーティファクトから、物理的に一貫した実現をもたらす。
論文 参考訳（メタデータ） (2026-02-12T18:58:12Z) - Optimizing Distributional Geometry Alignment with Optimal Transport for Generative Dataset Distillation [109.13471554184554]
最適輸送(OT)距離最小化問題としてデータセット蒸留を再構成する。
OTは分布マッチングのための幾何学的に忠実なフレームワークを提供する。
提案手法は, 常に最先端の手法を効率よく上回っている。
論文 参考訳（メタデータ） (2025-11-29T04:04:05Z) - PCP-GAN: Property-Constrained Pore-scale image reconstruction via conditional Generative Adversarial Networks [0.017633676363694336]
本研究では,多条件生成適応ネットワーク(cGAN)フレームワークを提案する。
このフレームワークは、炭酸塩の形成の4つの深さ (1879.50-1943.50 m) から薄い部分のサンプルで訓練された。
論文 参考訳（メタデータ） (2025-10-22T10:54:51Z) - Pix2Geomodel: A Next-Generation Reservoir Geomodeling with Property-to-Property Translation [2.004012818482403]
本研究では、Pix2Pixをベースとした新しい条件付き生成対向ネットワーク(cGAN)フレームワークであるPix2Geomodelを紹介する。
グローニンゲンガス田のロトリーゲンド貯水池から貯水池特性(空洞、ポーシティ、透水性、飽和度)を予測するように設計されている。
その結果, 病状 (PA 0.88, FWIoU 0.85) と水飽和 (PA 0.96, FWIoU 0.95) の精度が高く, 気孔率 (PA 0.70, FWIoU 0.55) と透過性 (PA 0.74, FWIoU 0.60) が適度に向上し, 翻訳性能も良好であった。
論文 参考訳（メタデータ） (2025-06-21T15:58:27Z) - Normalized Radon Cumulative Distribution Transforms for Invariance and Robustness in Optimal Transport Based Image Classification [1.3654846342364308]
Radon累積分布変換(R-CDT)は、画像分類作業を容易にする簡易な特徴抽出器である。
任意のアフィン変換の下では、基本演算のみを必要とせず、分離性も保証する、いわゆる最大正規化R-CDTを導入する。
感度解析により, 試料間のワッサーシュタイン-無限距離を制御できる場合, 分離性は安定であることがわかった。
論文 参考訳（メタデータ） (2025-06-10T13:03:20Z) - Solving Inverse Problems with FLAIR [68.87167940623318]
本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。
標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
論文 参考訳（メタデータ） (2025-06-03T09:29:47Z) - Constrained Transformer-Based Porous Media Generation to Spatial Distribution of Rock Properties [0.0]
3次元マイクロ計算トモグラフィーデータの情報に基づく岩石画像の細孔スケールモデリングは複雑な地下過程の研究に不可欠である。
本稿では,ベクトル量子化変分オートエンコーダ(VQVAE)と空間上向きおよび任意の3次元多孔質メディア再構成のためのトランスフォーマモデルを組み合わせた2段階モデリングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-28T19:03:33Z) - Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。
半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
論文 参考訳（メタデータ） (2023-12-26T12:56:31Z) - Image-to-Height Domain Translation for Synthetic Aperture Sonar [3.2662392450935416]
本研究では,等方的および異方的テクスチャに関する集合幾何学に焦点をあてる。
集合幾何学の低放牧角度は、異方性テクスチャに対するソナーパスの配向と相まって、画像アライメントや他の多視点シーン理解フレームワークにとって重要な課題である。
論文 参考訳（メタデータ） (2021-12-12T19:53:14Z) - PixelPyramids: Exact Inference Models from Lossless Image Pyramids [58.949070311990916]
Pixel-Pyramidsは、画像画素の関節分布を符号化するスケール特異的表現を用いたブロック自動回帰手法である。
様々な画像データセット、特に高解像度データに対する密度推定の最先端結果が得られる。
CelebA-HQ 1024 x 1024 では,フローベースモデルの並列化よりもサンプリング速度が優れているにもかかわらず,密度推定値がベースラインの 44% に向上することが観察された。
論文 参考訳（メタデータ） (2021-10-17T10:47:29Z) - Out-of-distribution Generalization via Partial Feature Decorrelation [72.96261704851683]
本稿では,特徴分解ネットワークと対象画像分類モデルとを協調的に最適化する,PFDL(Partial Feature Deorrelation Learning)アルゴリズムを提案する。
実世界のデータセットを用いた実験により,OOD画像分類データセットにおけるバックボーンモデルの精度が向上することを示した。
論文 参考訳（メタデータ） (2020-07-30T05:48:48Z)
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。