Generative data augmentation for metamorphic rock thin-section classification based on one-step diffusion model

doi:10.1007/s10596-026-10406-9

Generative data augmentation for metamorphic rock thin-section classification based on one-step diffusion model

2026-02-12

0

PRE

AI

DOI：10.1007/s10596-026-10406-9

原文链接

原文求助

摘要

En 中文

变质岩的自动分类对地质调查至关重要，但面临双重挑战：标记薄片样本的稀缺性以及由复杂矿物组合引起的高类内异质性。传统方法（如迁移学习）往往难以有效泛化，因为它们难以捕捉变质岩固有的精细、高频岩石学纹理。为解决这些局限性，本研究将任务从直接识别重新定位为生成式数据增强策略。我们引入了一种新颖的潜空间能量分布引导单步扩散模型（ODLE）。与传统的GAN不同，ODLE通过能量引导机制确保合成图像保留地质上有意义的特征，如矿物边界和结构关系。通过变分自编码器（VAE），岩石薄片图像被压缩到潜空间并通过扩散重建。这一过程创建了一个多样且真实的填补原始分布空缺的数据集。我们的模型利用预训练的扩散噪声预测模型高效生成高质量图像，克服了数据稀缺的挑战。实验结果表明，该方法显著提高了下游岩相分类的准确性，并生成了高保真合成样本，具有岩石学教育和自动化纹理分析的应用潜力。

Keyword:

Metamorphic rock classification

Diffusion model

Image generation

Latent space

Energy Distribution

Generative data augmentation for metamorphic rock thin-section classification based on one-step diffusion model

摘要

期刊

机构