論文の概要: Reservoir property image slices from the Groningen gas field for image translation and segmentation

• arxiv url: http://arxiv.org/abs/2605.03942v1
• Date: Tue, 05 May 2026 16:31:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-06 19:35:44.033261
• Title: Reservoir property image slices from the Groningen gas field for image translation and segmentation
• Title（参考訳）: グローニンゲンガス場からの貯留層特性画像スライスによる画像翻訳とセグメンテーション
• Authors: Abdulrahman Al-Fakih, Nabil Sariah, Ardiansyah Koeshidayatullah, SanLinn I. Kaka,
• Abstract要約: 貯留層の特徴付けは、画像ベースおよび機械学習/深層学習アプローチにますます依存している。 ここでは,Groningenの静的地質モデルから得られた貯水池画像の高分解能データセットについて述べる。
• 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 characterization workflows increasingly rely on image-based and machine-learning/deep learning or even generative AI approaches, but openly available geological image datasets suitable for reproducible benchmarking remain limited. Here we describe a high-resolution dataset of reservoir-property image slices derived from the Groningen static geological model. The dataset contains aligned two-dimensional PNG images representing facies, porosity, permeability, and water saturation, generated from three-dimensional reservoir grids and prepared for downstream visualization, segmentation, and image-to-image translation tasks. In addition to the deposited original image corpus, we provide an archived software workflow for reproducing augmentation, mask generation, paired-image construction, and example baseline experiments. The resource is designed to support benchmarking of geological image analysis methods and the study of cross-domain relationships among reservoir properties. By separating the fixed image dataset from the reproducible processing workflow, this work provides a transparent foundation for reuse in geoscience, reservoir modeling, and machine-learning applications.
• Abstract（参考訳）: 貯留層の特徴付けワークフローは、画像ベースや機械学習/深層学習、あるいは生成的AIアプローチにもますます依存しているが、再現可能なベンチマークに適した地質画像データセットは、まだ限られている。 ここでは,Groningenの静的地質モデルから得られた貯水池画像の高分解能データセットについて述べる。 このデータセットは、3次元貯水池グリッドから生成され、下流の可視化、セグメンテーション、画像と画像の翻訳タスクのために準備された、相、好奇心、透水性、水の飽和を表す2次元のPNG画像を含む。 寄託されたオリジナル画像コーパスに加えて、拡張、マスク生成、ペア画像構築、サンプルベースライン実験を再現するためのアーカイブソフトウェアワークフローを提供する。 この資源は、地質画像解析手法のベンチマークと貯水池特性間のドメイン間関係の研究を支援するために設計されている。 固定画像データセットを再現可能な処理ワークフローから分離することにより、この研究は、地球科学、貯水池モデリング、機械学習アプリケーションにおける再利用のための透過的な基盤を提供する。

関連論文リスト

• A Generative Data Framework with Authentic Supervision for Underwater Image Restoration and Enhancement [51.382274157144714]
  我々は、未ペア画像から画像への変換に基づく生成データフレームワークを開発する。 このフレームワークは、正確な地上構造ラベルを持つ合成データセットを構成する。 実験により、我々の合成データに基づいてトレーニングされたモデルが、既存のベンチマークでトレーニングされたモデルに匹敵する、あるいは優れた色復元と一般化性能が得られることが示された。
  論文  参考訳（メタデータ） (2025-11-18T14:20:17Z)
• Towards geological inference with process-based and deep generative modeling, part 1: training on fluvial deposits [0.0]
  本研究では, プロセスベースモデルによりシミュレーションされたフラビラル沈着を再現するために, GAN(Generative Adversarial Network)をトレーニングできるかどうかを検討する。 深層学習コミュニティから大規模な2次元画像を生成する開発は, 直接, フラビアル堆積物の3次元画像に転送可能である。 重ね合わせの法則に敬意を表して, 重ね合わせ時間を用いてGANの性能をモニタリングし, 検証する方法について述べる。
  論文  参考訳（メタデータ） (2025-10-16T08:43:40Z)
• Bridging Knowledge Gap Between Image Inpainting and Large-Area Visible Watermark Removal [57.84348166457113]
  本稿では,事前学習した画像の塗装モデルの表現能力を活用する新しい特徴適応フレームワークを提案する。 本手法は, 透かしの残像の残像を塗布バックボーンモデルに流し込むことにより, 透かしと透かし除去の知識ギャップを埋めるものである。 高品質な透かしマスクへの依存を緩和するために,粗い透かしマスクを用いて推論プロセスを導出する新たな訓練パラダイムを導入する。
  論文  参考訳（メタデータ） (2025-04-07T02:37:14Z)
• Inpainting borehole images using Generative Adversarial Networks [0.0]
  電線マイクロ抵抗画像ツールによるボアホール画像のギャップフィリングに対するGANに基づくアプローチを提案する。 提案手法では, 画像の欠落した領域を描画するために, ジェネレータ, グローバル判別器, ローカル判別器を利用する。
  論文  参考訳（メタデータ） (2023-01-15T18:15:52Z)
• Multiscale Analysis for Improving Texture Classification [62.226224120400026]
  本稿では,テクスチャの異なる空間周波数帯域を別々に扱うために,ガウス・ラプラシアピラミッドを用いる。 バイオインスパイアされたテクスチャ記述子,情報理論測度,灰色レベルの共起行列特徴,ハリリック統計特徴から抽出した特徴を特徴ベクトルに集約した。
  論文  参考訳（メタデータ） (2022-04-21T01:32:22Z)
• Sci-Net: a Scale Invariant Model for Building Detection from Aerial Images [0.0]
  本研究では,空間分解能の異なる空間画像に存在している建物を分割できるスケール不変ニューラルネットワーク(Sci-Net)を提案する。 具体的には,U-Netアーキテクチャを改良し,それを高密度なASPP(Atrous Space Pyramid Pooling)で融合し,微細なマルチスケール表現を抽出した。
  論文  参考訳（メタデータ） (2021-11-12T16:45:20Z)
• Ensembling with Deep Generative Views [72.70801582346344]
  生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。 そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。 StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
  論文  参考訳（メタデータ） (2021-04-29T17:58:35Z)
• MOGAN: Morphologic-structure-aware Generative Learning from a Single Image [59.59698650663925]
  近年,1つの画像のみに基づく生成モデルによる完全学習が提案されている。 多様な外観のランダムなサンプルを生成するMOGANというMOrphologic-structure-aware Generative Adversarial Networkを紹介します。 合理的な構造の維持や外観の変化など、内部機能に重点を置いています。
  論文  参考訳（メタデータ） (2021-03-04T12:45:23Z)
• MaterialGAN: Reflectance Capture using a Generative SVBRDF Model [33.578080406338266]
  本稿では,StyleGAN2をベースとした深層生成畳み込みネットワークであるMaterialGANを提案する。 逆レンダリングフレームワークにおいて,MaterialGANは強力な素材として利用できることを示す。 携帯端末を用いたフラッシュ照明下で撮影された画像からSVBRDFを再構成する作業において,この枠組みを実証する。
  論文  参考訳（メタデータ） (2020-09-30T21:33:00Z)
• From ImageNet to Image Classification: Contextualizing Progress on Benchmarks [99.19183528305598]
  ImageNet作成プロセスにおける特定の設計選択が、結果のデータセットの忠実性に与える影響について検討する。 私たちの分析では、ノイズの多いデータ収集パイプラインが、結果のベンチマークと、それがプロキシとして機能する実世界のタスクとの間に、体系的なミスアライメントをもたらす可能性があることを指摘しています。
  論文  参考訳（メタデータ） (2020-05-22T17:39:16Z)

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。