PulseAugur
中
实时 04:48:33
English(EN) High-Fidelity Synthetic Transmission Electron Microscopy Image Generation Using Diffusion Probabilistic Models for Data-Limited Semiconductor Metrology

扩散模型为半导体计量生成合成TEM图像

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种去噪扩散概率模型（DDPM），用于生成高保真合成透射电子显微镜（TEM）图像，以用于半导体计量。该方法解决了真实TEM数据稀缺的问题，而真实TEM数据因样品制备具有破坏性、成像速度慢和成本高昂而受到限制。DDPM框架采用渐进式基于块的训练策略，并整合了TrivialAugment适应和RePaint风格修复等技术，以生成保留结构和空间真实感的高保真合成图像，达到了高MS-SSIM分数和专家验证。除了图像生成，该模型的特征还被重新用于图像分割任务，辅助缺陷检测和计量。 AI

影响 通过克服数据稀缺性，为半导体缺陷检测和计量的更鲁棒的ML训练提供了可能。

排序理由 该集群包含一篇研究论文，详细介绍了使用扩散模型进行合成数据生成的新方法。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

扩散模型为半导体计量生成合成TEM图像

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Johannes Boehm, Bappaditya Dey ·

    利用扩散概率模型生成高保真合成透射电子显微镜图像，用于数据受限的半导体计量

    arXiv:2606.24817v1 Announce Type: new Abstract: Advanced semiconductor nodes drastically increased demand for Transmission Electron Microscopy (TEM), yet destructive sample preparation, slow imaging and high costs severely limit the availability of diverse datasets needed for dow…

  2. arXiv cs.CV TIER_1 English(EN) · Bappaditya Dey ·

    利用扩散概率模型为数据受限的半导体计量生成高保真合成透射电子显微镜图像

    Advanced semiconductor nodes drastically increased demand for Transmission Electron Microscopy (TEM), yet destructive sample preparation, slow imaging and high costs severely limit the availability of diverse datasets needed for downstream machine learning (ML). Synthetic data ge…

相关实体

相关话题