疎な3D地質生成のための注意誘導フローマッチング

Abstract

疎な1次元ボーリングおよび2次元地表データから高解像度の3D地質モデルを構築することは、非常に難しく制約の強い逆問題です。従来のヒューリスティック手法や暗黙的モデリング手法は、本質的に、極端な疎さのもとで非線形の位相的な不連続性を捉えることに失敗しがちで、多くの場合、不自然なアーティファクトを生じます。さらに、拡散モデルのような深い生成アーキテクチャは連続領域において革新をもたらしましたが、疎なカテゴリグリッドで条件付けすると、表現の崩壊が深刻に起きます。このギャップを埋めるために、我々は疎な多モーダル地質モデリングに特化した、初のAttention-Guided Continuous Flow Matchingフレームワークである3D-GeoFlowを提案します。離散的なカテゴリ生成を、シミュレーション不要の連続ベクトル場回帰として再定式化し、平均二乗誤差（Mean Squared Error）で最適化することで、本モデルは安定した決定論的な最適輸送（optimal transport）経路を確立します。重要なのは、3D Attention Gateを統合し、局所的なボーリングの特徴を体積潜在空間へ動的に伝播させることで、大域的な構造の整合性を確実にする点です。提案フレームワークの検証のために、手続き的に生成した2,200件の大規模な3D地質ケースからなる、多モーダルなデータセットを構築しました。広範な分布外（OOD）評価により、3D-GeoFlowはパラダイムシフトを達成しており、ヒューリスティックな補間や標準的な拡散ベースラインを大幅に上回ることが示されました。