论文

SAMamba3D:采用 Segment Anything 进行多相孔隙尺度图像的通用 3D 分割

SAMamba3D: adapting Segment Anything for generalizable 3D segmentation of multiphase pore-scale images

模型训练参数高效训练

摘要

岩石多相孔隙尺度 X 射线图像的可靠分割对于量化流体饱和度、连通性和界面几何形状是必要的。然而,当前的 3D 分割方法通常是特定于数据集的,每当岩石类型、流体模式、扫描仪或采集条件发生变化时,都需要重新训练或扩展 微调。分段任意模型 (SAM) 等基础模型提供强大的 2D 边界先验,但它们不能直接适用于 3D 数据。我们提出了 SAMamba3D,这是一种参数高效的框架,通过将其与基于 Mamba 的体积上下文建模和渐进式跨尺度特征交互相结合,使很大程度上冻结的 SAM 编码器适应可泛化的 3D 孔隙尺度分割。对于具有不同流体、润湿性和扫描条件的砂岩和碳酸盐数据集,SAMamba3D 匹配或优于当前的 3D 基线,同时减少了针对特定情况的重新训练的需要。生成的分割图像保留了物理上有意义的描述符,包括流体饱和度、连通性和界面形态,从而能够更可靠、更快速地分析大型 3D 多相图像。