Article · IA & agents
Générer des microstructures 3D à partir de quelques coupes 2D
DimExDAM associe diffusion et adversarial learning pour produire des volumes poreux hétérogènes sans disposer d'un grand corpus 3D annoté.
Le manque de volumes 3D
La géométrie des pores et leur connectivité influencent les propriétés de matériaux comme les argiles et les ciments. Les acquisitions 3D sont pourtant coûteuses et limitées en volume. Une image 2D est plus accessible, mais elle ne décrit pas directement toutes les structures traversant le volume.
Un générateur 3D, un discriminateur 2D
Ali Aouf et ses coauteurs présentent Dimensionality Expansion Diffusion Adversarial Model, ou DimExDAM. Le générateur produit un volume 3D et un seul discriminateur 2D compare des coupes aux observations. La perte adversariale remplace la perte de débruitage standard, car il n'existe pas de vérité terrain 3D complète pour superviser directement le volume.
Le protocole peut utiliser aussi peu qu'une image 2D par orientation. Les auteurs comparent des matériaux de complexité variée, dont la Boom Clay, à SliceGAN au moyen d'analyses visuelles, de descripteurs statistiques et de simulations de transport.
Ce qui est préservé
Le modèle est rapporté comme produisant moins d'artefacts de coupe et des volumes dont les fractions de phases et les descripteurs structuraux restent proches des références 2D. L'objectif est une génération stochastique statistiquement représentative, pas la reconstruction exacte d'un échantillon particulier.
Limites et statut de la source
Une observation 2D ne suffit pas à identifier une microstructure 3D unique. Les volumes générés doivent donc être compris comme des réalisations plausibles sous les statistiques apprises, et non comme des jumeaux numériques du spécimen. Le résultat est sensible aux descripteurs, aux orientations disponibles et au protocole de simulation. Le document est un preprint ArXiv.
Sources
Ali Aouf, Eric Laloy, Bart Rogiers et Christophe De Vleeschouwer, « Generating Heterogeneous 3D Geological Microstructures from 2D Images via a Stable Diffusion-Adversarial Model », ArXiv 2609.20358v1 : résumé et preprint, PDF.