偏光（PL）データと低解像度EBSDデータを相互に高めるマルチモーダル・拡散手法

arXiv cs.LG / 2026/4/27

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本研究は、偏光（PL）データと低解像度の電子後方散乱回折（EBSD）測定を統合するマルチモーダル・拡散モデルを提案し、EBSD計測のワークフローを高速化することを目指しています。
無条件のマルチモーダル・拡散モデルでEBSDとPLの複雑な関係性を学習させることで、ノイズ除去、超解像、粒界予測といった逆問題に取り組みます。
合成データのみで一度学習したにもかかわらず、現実データに対しても低解像・ノイズ・破損・位置ずれといった条件下で良好に一般化すると報告されています。
推論時のスケーリングにより、複数の目的（各種タスク）で性能が向上し、実環境での頑健性が示されています。
破損したPLデータに加えてEBSDの解像度の25%（1/4）しか使わなくても、フル解像度に近い性能が得られると述べられており、データ効率の高さが示唆されています。

Abstract

3-D電子後方散乱回折（EBSD）顕微鏡の有用性にもかかわらず、直列切片化によるデータ収集プロセスは時間を要することがあります。したがって、共有情報で補完しつつ、EBSDデータ収集を加速するために偏光（PL）データのような別のモダリティを検討するのは自然な流れです。相補的に、カオス的なPLデータ中の特徴は、少数のEBSD測定によってさえ強化できる可能性があります。これらの逆問題を解くために、EBSDとPLの間の複雑なダイナミクスを本質的に学習するため、逆問題向けの拡散モデルの進展に動機づけられた無条件のマルチモーダル拡散モデルを用います。一度だけ合成データで学習したにもかかわらず、解像度が低く、ノイズがあり、破損しており、位置合わせが誤っている可能性のある実データに対しても、強い汎化能力を示します。推論時のスケーリングにより、粒界予測、超解像、デノイズといった多様な目的において性能向上を示します。さらに本モデルにより、EBSDデータの25%（解像度の1/4）と破損したPLデータのみを用いても、フル解像度の性能との差がほとんどないことを示します。