論文の概要: Spatiotemporal learning improves quantification of pore-space evolution and fluid displacement
- arxiv url: http://arxiv.org/abs/2611.17111v1
- Date: Thu, 12 Nov 2026 17:04:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.565075
- Title: Spatiotemporal learning improves quantification of pore-space evolution and fluid displacement
- Title(参考訳): 時空間学習は細孔空間の進化と流体変位の定量化を改善する
- Abstract要約: 1つの時間分解マイクロCT実験は、数十から数百の3次元画像を生成する可能性がある。
閾値付けのような従来の手法は、ノイズの多い低コントラスト画像では不十分である。
空間情報と時間情報を組み合わせたトランスフォーマーベースの4Dセグメンテーションフレームワークを提案する。
- 参考スコア(独自算出の注目度): 2.660735727905087
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pore-space evolution and fluid displacement influence how rocks transmit and store fluids, affecting geological carbon storage, underground hydrogen storage and groundwater contaminant transport. A single time-resolved micro-CT experiment may produce tens to hundreds of three-dimensional images, and segmentation is required to quantify physical properties and run image-based simulations. Traditional methods such as thresholding perform poorly on noisy, low-contrast images and need manual adjustment per image; 3D deep learning networks segment each image without temporal information, so their errors vary between images and could be mistaken for physical change. Here we introduce a transformer-based 4D segmentation framework combining spatial and temporal information. It uses sequential images to resolve ambiguous phase assignments and separate physical change from segmentation error. The method is tested on images of mineral dissolution: it measures pore-volume growth and rock boundaries more accurately than an equivalent 3D model that ignores temporal information. It also captures the increase in permeability verified against reference segmentations and flow simulations. The advantage transfers to another dissolution sample without retraining. On two other datasets of fluid displacement, it reduces spurious changes in predicted rock and porosity fluctuations and accurately identifies filling events. Spatiotemporal segmentation turns sequences of hundreds of three-dimensional images into more reliable quantitative measurements of pore-space evolution and fluid displacement without per-image parameter adjustment to support the analysis of time-resolved CT imaging.
- Abstract(参考訳): 細孔空間の進化と流体の変位は、岩石の流体の伝達と貯蔵方法に影響を与え、地質的な炭素貯蔵、地下の水素貯蔵、地下水汚染物質輸送に影響を及ぼす。
1つの時間分解マイクロCT実験は、数十から数百の3次元画像を生成することができ、物理特性の定量化と画像ベースシミュレーションの実行にはセグメンテーションが必要である。
閾値付けのような従来の手法は、ノイズの多い低コントラストの画像では不十分であり、画像ごとに手動で調整する必要がある。
本稿では,空間情報と時間情報を組み合わせたトランスフォーマーベースの4Dセグメンテーションフレームワークを提案する。
逐次画像を用いて不明瞭な位相割り当てを解決し、セグメンテーション誤差から物理的変化を分離する。
本手法は, 時間的情報を無視した等価な3次元モデルよりも, 細孔体積成長と岩盤境界を正確に測定する。
また、参照セグメンテーションやフローシミュレーションに対して検証された透過性の増加も捉えている。
利点は、再訓練することなく別の溶解試料に転移する。
流体変位の他の2つのデータセットでは、予測された岩石とポロシティの変動の急激な変化を低減し、充填イベントを正確に識別する。
時間分解CT画像解析を支援するため, 時空間分割法により画像単位のパラメータ調整を行わずに, 何百もの3次元画像の時系列を, 細孔空間の進化と流体の変位のより信頼性の高い定量的な測定に変換する。
関連論文リスト
- Learning Pore-scale Multiphase Flow from 4D Velocimetry [21.658780881627536]
多孔質媒質中の多相流は地下エネルギーと環境技術を支える。
時間分解マイクロ速度測定から多相間隙流を直接推定する枠組みを提案する。
論文 参考訳(メタデータ) (2026-03-12T23:28:20Z) - Detecting Generated Images by Fitting Natural Image Distributions [75.31113784234877]
本稿では,自然画像と生成画像のデータ多様体間の幾何学的差異を利用した新しいフレームワークを提案する。
自然画像に対して一貫した出力を出力するために設計された関数対を用いるが、生成した関数に対しては発散出力を用いる。
データ多様体に沿った変換が、自然画像上で事前訓練された自己教師付きモデルの損失値に有意な変化をもたらす場合、画像は生成されたものとして識別される。
論文 参考訳(メタデータ) (2025-11-03T07:20:38Z) - DYRECT Computed Tomography: DYnamic Reconstruction of Events on a Continuous Timescale [0.19249183980865092]
時間分解型高分解能X線CT(4D $mu$CT)は、可視光に不透明な材料内部の動的プロセスの進化に関する洞察を提供するイメージング技術である。
従来のトモグラフィー再構成技術は、異なるタイミングでサンプル状態を表す3D画像の連続を記録することに基づいている。
このフレームベースのアプローチは、CTスキャンに必要な時間のために、動的ラジオグラフィー実験と比較して時間分解能を制限する。
DYRECTという名前の4D$mu$CT再構成手法を用いて,試料中の各位置の個々の減衰特性を推定した。
論文 参考訳(メタデータ) (2024-11-15T14:21:46Z) - WiNet: Wavelet-based Incremental Learning for Efficient Medical Image Registration [68.25711405944239]
深部画像登録は異常な精度と高速な推測を示した。
近年の進歩は、粗大から粗大の方法で密度変形場を推定するために、複数のカスケードまたはピラミッドアーキテクチャを採用している。
本稿では,様々なスケールにわたる変位/速度場に対して,スケールワイブレット係数を漸進的に推定するモデル駆動WiNetを提案する。
論文 参考訳(メタデータ) (2024-07-18T11:51:01Z) - Changen2: Multi-Temporal Remote Sensing Generative Change Foundation Model [62.337749660637755]
安価で自動的な生成モデルに基づく変更データ生成器を提案する。
Changen2は、自己監督を通じて大規模にトレーニング可能な、生成的な変更基盤モデルである。
得られたモデルには、固有のゼロショット変化検出機能と優れた転送性がある。
論文 参考訳(メタデータ) (2024-06-26T01:03:39Z) - Instance Segmentation of Dislocations in TEM Images [0.0]
材料科学において, 転位の位置と移動に関する知識は, 優れた特性を持つ新素材を作成する上で重要である。
本研究では,Mask R-CNNやYOLOv8など,最先端のインスタンスセグメンテーション手法を定量的に比較する。
インスタンスセグメンテーションの結果としての転位マスクは数学的直線に変換され、転位長と幾何の定量的解析が可能となる。
論文 参考訳(メタデータ) (2023-09-07T06:17:31Z) - The Drunkard's Odometry: Estimating Camera Motion in Deforming Scenes [79.00228778543553]
このデータセットは、3Dシーンの中で地上の真実を語る最初の大規模なカメラ軌道である。
リアルな3Dビルディングのシミュレーションでは、膨大な量のデータと地上の真実のラベルが得られます。
本稿では,光学的フロー推定を剛体カメラ運動に分解するDrunkard's Odometryと呼ばれる,変形可能な新しいオドメトリー法を提案する。
論文 参考訳(メタデータ) (2023-06-29T13:09:31Z) - 3D shape reconstruction of semi-transparent worms [0.950214811819847]
3D形状の再構成は通常、被写体の複数の画像に物体の特徴やテクスチャを特定する必要がある。
ここでは、画像と比較するために、適応的ぼかしと透明度で候補形状を描画することで、これらの課題を克服する。
本研究は,線虫類の細いカエノルハブディティ・エレガンスを,生物学的にインフォームドされた制約や規則化を自然に許容する内在的パラメトリションを用いて3次元曲線としてモデル化する。
論文 参考訳(メタデータ) (2023-04-28T13:29:36Z) - A kinetic approach to consensus-based segmentation of biomedical images [39.58317527488534]
バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。
システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。
2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
論文 参考訳(メタデータ) (2022-11-08T09:54:34Z) - Neural Computed Tomography [1.7188280334580197]
一連のプロジェクションの取得時の運動は、CT再構成において重要な運動アーティファクトにつながる可能性がある。
動作成果物から解放された時間分解画像を生成するための新しい再構成フレームワークであるNeuralCTを提案する。
論文 参考訳(メタデータ) (2022-01-17T18:50:58Z) - 4D Spatio-Temporal Convolutional Networks for Object Position Estimation
in OCT Volumes [69.62333053044712]
3次元畳み込みニューラルネットワーク(CNN)は、単一のOCT画像を用いたマーカーオブジェクトのポーズ推定に有望な性能を示した。
我々は3次元CNNを4次元時間CNNに拡張し、マーカーオブジェクト追跡のための追加の時間情報の影響を評価する。
論文 参考訳(メタデータ) (2020-07-02T12:02:20Z)
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。