研究人员开发了一种新颖的条件生成对抗网络（cGAN）框架，能够从2D图像重构3D多孔介质体积。该方法独特地结合了属性条件生成与2D到3D重构，无需大量的3D训练数据，同时允许控制孔隙度等岩石物理属性。该框架采用混合架构，包含一个3D生成器和一个2D判别器，从2D切片学习3D结构，并在孔隙度控制方面取得了0.93的高$R^2$值。 AI
影响 这项研究推动了用于科学应用的生成模型的发展，有可能实现更高效、更具成本效益的材料属性分析。
排序理由 这是一篇详细介绍使用GAN进行3D重构新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
