Dec, 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

PDF
TL;DR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。
发现论文，激发创造
  • 基于多平面去噪扩展的微结构二维到三维重建与采样协调

    使用扩散型生成模型 (DGMs) 的 2D 到 3D 映射框架 Micro3Diff，使得通过仅需预先训练 DGMs 进行 2D 样本生成，并在生成过程中进行维度扩展的方式实现了对连接切片，保持与原始 2D 图像形态等价的 3D 样本的重建，具备在集成计算材料工程应用中潜在利用价值，并突破对 DGMs 潜空间的理解和操作。

    Aug, 2023

  • 材料微结构三维重建与性能评估的生成式机器学习模型

    该研究提出了一种集成多尺度特性和生成对抗网络的创新生成模型，用于重建三维微结构，提高模型的准确性，并通过结合图像正则化损失和 Wasserstein 距离损失进一步改进模型，实现了生成的三维结构与真实样本的高相似性和统计数据一致性。

    Feb, 2024

  • 微扩散：由有限 2D 显微投影重建的隐式表示引导的 3D 重建

    通过使用非衍射光束进行体积光学显微镜法，我们提出了 MicroDiffusion 工具，用于从有限的 2D 投影中进行高质量的、深度解析的 3D 体积重建。该方法融合了 INR 模型的结构连贯性和 DDPM 模型的细节增强能力，通过将 INR 和噪声输入之间的线性插值来指导 DDPM 的生成过程，从而提高了扩散过程的结构化 3D 信息，增强了本地化 2D 图像的细节，并在生成的 3D 重建中显著提高了保真度。

    Mar, 2024

  • 无参考各向同性三维电子显微重建

    基于扩散模型的框架实现了逆转因成像模态的特性而导致各向异性轴向分辨率的挑战，且无需参考数据或先验知识，通过利用 2D 扩散模型持续重建 3D 体积，在高度下采样数据中表现出优越性，并通过在两个公共数据集上的实验，证明了与监督学习方法相比利用生成先验的鲁棒性和优势。此外，还证实了自监督重建方法可以在无训练数据的情况下恢复单个各向异性体积。

    Aug, 2023

  • 借助扩散模型的光谱引导下对无序材料的三维结构发现

    通过扩散模型，我们提出了一个基于生成式机器学习的新框架，用于从目标性质预测无序材料的三维结构。我们应用该模型来识别非晶碳的原子结构，通过 XANES 光谱引导条件生成，并展示了其生成大规模结构的能力。这一工作极大地弥合了材料表征和原子结构确定之间的差距，并可用于探索各种材料性质的材料发现。

    Dec, 2023

  • 自主超分辨率方法用于各向同性重建来自非各向异性采集的三维电子显微镜图像

    提出了基于深度学习的自监督超分辨率方法，从各向异性获取的三维电子显微镜数据中计算重建各向同性三维结构，并通过实验证明其有效性。

    Sep, 2023

  • DiffuseIR: 用扩散模型重建等向性三维显微图像

    使用扩散模型的无监督等距重建方法能够将低轴向分辨率的显微成像重建为高轴向分辨率的结果，无需重新训练，这个方法在电镜数据实验中实现了最新技术的表现甚至可以与监督方法竞争。

    Jun, 2023

  • 基于图像渲染的去噪传播

    通过引入第一种能够快速进行真实世界三维场景的详细重建和生成的推广模型，我们在本研究中提出了三个贡献：首先，引入了一种新的神经场景表示方法 IB-planes，能够有效准确地表示大型三维场景，并在需要时动态分配更多容量以捕捉每张图像中可见的细节；其次，我们提出了一种去噪扩散框架，通过仅使用二维图像而不需要额外的监督信号（如掩码或深度）学习对这种新型三维场景表示的先验知识，从而支持三维重建和生成；第三，我们开发了一种避免将基于图像渲染与扩散模型集成时产生平凡三维解决方案的原则性方法，即通过丢弃某些图像的表示。我们在几个具有挑战性的真实和合成图像数据集上评估了该模型，并在生成、新视图合成和三维重建方面展示了优越的结果。

    Feb, 2024

  • 从噪声 2D STEM 图像中清洁隐式三维结构

    论文提出了一种可将二维噪声图像融合为有用的三维模型的不同 iable 模型，实现了无监督的三维信号与噪声分离，并在合成和实际数据方面优于多个基准模型。

    Mar, 2022

  • 同变图卷积神经网络用于各向同性均质各向异性微结构力学响应的表示

    本研究提供具有异性组分的材料的有效均质化模型的神经网络体系结构，通过等变和张量基础运算，满足等变性和材料对称性原则，展示了在不同纹理和相位的随机体积元数据集上，这些网络体系结构提供了显著的性能改进。

    Apr, 2024