在潜空间中使用去噪扩散来合成逼真的沙堆组合

Jun, 2023

在潜空间中使用去噪扩散来合成逼真的沙堆组合

Synthesizing realistic sand assemblies with denoising diffusion in latent space

Nikolaos N. Vlassis, WaiChing Sun, Khalid A. Alshibli, Richard A. Regueiro

TL;DR通过一种新的算法生成合成砂，对比实际收集的砂样数据，基于点云自编码器，通过降噪扩散算法能够生成形态、大小与训练数据一致的现实砂颗粒；确保第三方验证的前提下，附带 50,000 个合成石英砂颗粒、1,542 个同步辐射微计算机断层扫描 (F50 砂)，以及由合成石英砂颗粒组成的颗粒装置在开源仓库中公开。

Abstract

The shapes and morphological features of grains in sand assemblies have far-reaching implications in many engineering applications, such as geotechnical engineering, computer animations, petroleum engineering, and concentrated solar power. Yet, our understanding of the influence of grain geometries on macroscopic response is often only qualitative, due to th

grain geometries 3d grain geometry data generative denoising diffusion probabilistic model synthetic sand synchrotron microcomputed tomography

发现论文，激发创造

扩散模型实现逼真噪声合成

该研究论文提出了一种基于扩散模型的合成逼真噪声的新方法，用于为困难获得真实数据的情景下的训练去噪模型提供大量高质量的数据，并在多个基准测试上证明了其方法的优越性.

May, 2023

物理相关扩散模型

通过在模型训练过程中加入约束条件使其生成的样本更符合所施加的约束，从而提高生成样本与约束的一致性，且相较于现有方法有更好的性能且不影响推断速度；该方法还可以自然地防止过拟合。

Mar, 2024

用于加工金属表面纹理合成的随机几何模型：喷砂和铣削

使用合成数据和纹理合成模型，构建了数字孪生对象的微观表面拓扑模型，解决了视觉表面检测系统的训练数据不足和缺乏样本缺陷多样性的问题。

Mar, 2024

3D 点云生成的扩散概率模型

本文提出了一个概率模型，将点云看作是处于非平衡热力学系统内的粒子，并通过扩散过程学习将噪声分布转换为所需形状分布的逆扩散过程，即点云生成过程。具体地，将点云的逆扩散过程建模为一个以某个形状因子为条件的马尔科夫链，并提供了闭合形式的变分下界以进行训练。实验结果显示，该模型在点云生成和自编码方面具有竞争性能。

Mar, 2021

Sin3DM: 从单个 3D 纹理形状学习扩散模型

Sin3DM 是一种学习来自单个 3D 纹理形状的内部图案分布的扩散模型，该模型通过压缩输入到低维潜在空间来降低内存和计算成本，然后通过 Triplan 感知 2D 卷积块来训练模型，可以生成较高质量的 3D 形状，还可以用于重定位，外表绘画和局部编辑。

May, 2023

基于相类模型的参数化和数据同化的潜隐式扩散模型

地质参数化中使用低维潜变量进行降维，结合扩散模型和隐含扩散模型，通过去噪实现从含有噪声的输入场生成新的地质实现，该模型经过稳定性测试，并用于基于集合的数据同化，实现了显著的不确定性降低和一致的地质模型。

Jun, 2024

基于生成扩散模型的合成拉格朗日湍流

基于最先进的扩散模型的机器学习方法，能够生成具有高雷诺数的三维湍流中的单粒子轨迹，从而避免直接数值模拟或实验获得可靠的拉格朗日数据；该模型能够定量地重现整个时间尺度范围内的所有相关统计基准，包括速度增量的尾分布、异常幂律和耗散尺度周围间歇性的增强；该模型在极端事件方面表现出良好的普适性，实现了前所未有的强度和稀有性，为产生用于预训练拉格朗日湍流各种下游应用的合成高质量数据奠定了基础。

Jul, 2023

基于扩散的去噪合成三维各向异性微结构的二维映像转换

通过基于二维显微图的条件扩散生成模型 (DGMs) 的空间连接，我们提出了一个重建各向异性微结构的框架，该框架能够有效地将噪声转化为三维微结构样本，并且通过修改的协调抽样方法提高样本质量，同时保持各向异性微结构样本在三维空间中的空间连接。验证结果表明，该框架能够再现材料相的统计分布和三维空间中的材料性质，凸显了该二维至三维重建框架在建立微结构 - 性能关联中的潜在应用，为未来研究中的高通量材料设计提供了帮助。

Dec, 2023

纹理生成的单网格扩散模型和场隐变量

我们介绍了一种在 3D 形状表面上直接操作的基于内在隐性扩散模型的框架，旨在合成高质量的纹理。通过对网格顶点上的离散矢量场编码纹理的隐式表示和学习在表面上的学习隐空间中去噪扩散过程的隐性扩散模型，我们的方法具有两个贡献。我们考虑了一种单一纹理网格范式，其中我们的模型被训练为在网格上生成给定纹理的变化。我们展示了合成的纹理与现有的单一纹理网格生成模型相比，具有较高的保真度。我们的模型还可以用于用户控制的编辑任务，例如修复缺失和标签引导的生成。我们提出的框架具有在等价变换下的等变性，这部分有助于我们方法的有效性，使我们的模型能够在局部相似区域之间无缝复现细节，并打开了生成纹理迁移的可能性。

Dec, 2023

神经点云扩散用于解耦的 3D 形状和外观生成

在电影、游戏、工程以及增强 / 虚拟现实等多种实际应用中，可控地生成 3D 资产具有重要意义。最近，扩散模型在生成 3D 对象的质量方面取得了显著的成果。然而，现有模型中没有一个能够实现对形状和外观的分离生成。我们首次提出了一种适用于 3D 扩散模型的合适表示方法，通过引入混合的点云和神经辐射场方法实现了这种分离，模拟了点位置的扩散过程，并结合高维特征空间的局部密度和亮度解码器。点位置表示对象的粗略形状，而点特征则允许对几何形状和外观细节进行建模。这种分离使得我们能够独立地对二者进行采样和控制。与之前的分离能力方法相比，我们的方法在生成方面达到了新的技术水平，降低了 30-90% 的 FID 分数，并且与其他非分离能力的最先进方法处于同一水平。

Dec, 2023