[2E6-GS-10n] AI application

6:00 PM - 6:15 PM JST(9:00 AM - 9:15 AM UTC)

[2E6-GS-10n-03] Data-Driven Super-Resolution of Rock CT Images Based on Latent Diffusion Models

〇Kosei Tomami¹, Atsushi Okamoto², Toshiaki Omori^1,3,4 (1. Department of Electrical and Electronic Engineering, Graduate School of Engineering, Kobe University, 2. Department of Environmental Studies for Advanced Society, Graduate School of Environmental Studies, Tohoku University, 3. Center of Mathematical and Data Sciences, Kobe University, 4. Center of Optimal Scattering Image Science, Kobe University)

Keywords:

Latent Diffusion Models,Statistical Machine Learning,Earth Science,Rock CT,AI for Science

近年，地球科学分野では，地質構造の非破壊観察手法として，採取された岩石コア等の地質学的サンプルを対象にX線コンピュータ断層撮影法（X線CT）を適用することで得られる地質CT画像の活用が進んでいる．地質CT画像は，天然資源の探査や地質災害のリスク評価等において重要な役割を果たしている．しかし，地質CT画像は，試料の物理的特性，イメージング環境の幾何学的制約，X線CTスキャナの測定限界といった複数の要因により，深度方向の解像度が低いという課題を抱えている．

本研究では，地質CT画像の深度方向の解像度を向上させるため，潜在拡散モデルによる条件付き生成に基づくデータ駆動型超解像法を提案する．観測可能な深度レベルの地質CT画像に対して，提案手法を適用することにより，観測できない深度レベルの地質CT画像の推定を行う．国際陸上科学掘削計画の一つであるオマーン掘削プロジェクトで取得された実際の地質CT画像を用いて，提案手法の有効性を検証した．実験結果は，従来の補間手法と比較して，定性的・定量的両面で提案手法の優位性を実証している．