人工智能应用- 材料微观:08.SliceGAN 的学习过程

图 : SliceGAN 的框架图。左侧是从真实二维样本中随机采样得到的训练数据,右侧是从生成的三维结构切片后随机采样的模拟数据。中间的判别器负责区分这两类样本,确保生成的三维结构尽可能接近真实材料的微观特征。

如图 所示,SliceGAN 的学习过程主要包括以下三个步骤:

  1. 正样本采集:从真实的二维图像中随机采样小区域(左),作为判别器的正样本。
  2. 负样本生成:让生成器构造出三维结构,并对其进行切片(右),再从切片中随机采样小区域作为判别器的负样本。
  3. 对抗训练:训练判别器,使其能够区分正负样本;同时训练生成器,使其生成的三维结构切片越来越接近真实的二维图像。

图 **:**SliceGAN 的实验结果

图 展示了 SliceGAN 在不同材料结构上的应用效果。每一行代表一种材料:第一列是真实的二维图像,第二列是由 SliceGAN 重构的三维结构,后几列是从 SliceGAN 重构的三维结构中切片得到的二维图像。可以看到,SliceGAN 生成的二维切片与真实材料的切片在纹理上高度相似,说明该模型可以较为准确地重构材料的微观结构。值得注意的是,如果某种材料的微观结构在不同方向上表现出异质性(即不同方向的结构不完全相同),那么在训练时就需要从多个角度进行扫描,例如图 40.9中的 C、D 行就展示了这种情况。

相关推荐
星落梦生7 小时前
Docker学习(11)
学习·docker·容器
智联视频超融合平台9 小时前
视频 AI 的误报之战,正在从调参数卷到改架构
人工智能·大模型·边缘计算·视频监控·安防
水如烟9 小时前
孤能子视角:智能的边界不在算法强弱,在可形式化性——从概率法到因果推理,选择池的边界一直在那里
人工智能
万里侯10 小时前
日志聚类之后别把 noise 扔掉:降噪应该改变视图,不抹掉证据
人工智能·微服务·ai·容器·k8s
澹锦汐11 小时前
纯前端秋日银杏与枫叶落叶色板智能聚类器:基于 K-Means 色彩量化与直方图自动配方提取
前端·人工智能·ai·语言模型·vue·react·k-means
71777718 小时前
国内 AI 研发效能工具怎么选:2026 年基于公开信息的选型框架与 Gitee 实践
人工智能·gitee
Csvn18 小时前
换供应商要改一遍代码?把模型接入收进一层网关(C04)
人工智能·aigc·agent
孟健19 小时前
开源AutoClip切直播:1小时48分出19段,整月API只花0.08元
人工智能·开源·aigc
翰墨之道19 小时前
AI日报:豆包工作ARR超20亿,GPT-6.2跑分与实测割裂
人工智能·gpt·数据挖掘