概要: 岩石の多相ポアスケールX線画像を信頼性よくセグメンテーションすることは、流体飽和度、連結性、界面形状を定量化するために必要です。しかし、現在の3Dセグメンテーション手法は典型的にデータセット固有であり、岩種、流体パターン、スキャナ、あるいは取得条件が変わるたびに、再学習や大規模な微調整を要します。Segment Anything Model（SAM）のような基盤モデルは強力な2D境界の事前知識を提供しますが、3Dデータには直接適用できません。
本研究では、主として凍結したSAMエンコーダを、Mambaベースのボリューム（3D）文脈モデリングと、段階的なクロススケール特徴の相互作用と結合することで適応し、汎化可能な3Dポアスケールセグメンテーションを実現する、パラメータ効率の高い枠組みSAMamba3Dを提案します。砂岩および炭酸塩データセットにおいて、異なる流体、濡れ性、スキャン条件がある場合でも、SAMamba3Dは現在の3Dベースラインと同等、あるいは上回る性能を達成しつつ、ケース固有の再学習の必要性を減らします。その結果得られるセグメント化画像は、流体飽和度、連結性、界面モルフォロジーといった物理的に意味のある記述子を保持し、大規模な3D多相画像のより信頼性が高く迅速な解析を可能にします。
SAMamba3D：多相ポアスケール画像に対する汎化可能な3DセグメンテーションのためのSegment Anything適応
arXiv cs.CV / 2026/5/5
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、ロックの種類、流体、スキャナ、撮像条件が変わるたびに再学習や大規模な微調整が必要になりがちな既存の3Dポアスケール画像セグメンテーションの限界に取り組む。
- SAMamba3Dとして、主に凍結した2D Segment Anything（SAM）エンコーダを3Dセグメンテーションへ適応し、Mambaベースのボリューム文脈モデリングと段階的なクロススケール特徴相互作用を組み合わせる提案を行う。
- 流体、濡れ性、走査条件の異なる砂岩・炭酸塩データセットでの実験では、SAMamba3Dが既存の3Dベースラインと同等以上の性能を示す。
- 本手法は、流体飽和度、連結性、界面形態などの物理的に意味のある記述子を保持したセグメンテーション結果を目指し、大規模な3D多相画像の解析をより信頼性高く迅速にすることを狙っている。
