通过 Stable Diffusion-Adversarial Model 从二维图像生成非均质三维地质微观结构

表征黏土和胶凝材料的物理性质在众多领域都十分重要，从材料科学到地质废物处置均是如此。性质模拟通常需要三维成像，但这类成像成本高、并非总能获得，而且对于某些材料还存在技术局限。近年来深度生成模型的发展为此提供了一种解决途径：利用更易获取的二维图像重建三维体积。 在基于 GAN 的三维微观结构生成方法中，SliceGAN 已在均质各向同性和各向异性系统中展现出优异效果。然而，对于更为复杂的非均质微观结构，它难以捕捉更精细的细节，因此有必要探索其他生成框架。 我们提出了一种混合方法，借鉴了去噪扩散模型的稳定性和生成质量。由于不存在三维真值数据，我们以对抗损失取代标准的去噪损失；实验表明，这一方法能够实现稳定的训练过程。结果显示，所得模型能够生成复杂程度各异的微观结构，切片伪影极少，并且与真值的相分数和结构描述符高度一致。