Creating 3D Digital Twins from 2D Images with optimization and AI approaches

In diesem Seminar zeigen wir, wie sich mit GeoDict statistische digitale Zwillinge von granularen Materialien erstellen lassen. Sind 3D-µCT-Bilder verfügbar, kann deren Geometrie analysiert und die daraus gewonnenen Informationen direkt zur Erstellung eines statistischen digitalen Zwillings genutzt werden. Sind nur 2D-Bilder verfügbar, ist ein anderer Ansatz erforderlich. In diesem Fall werden 3D-Strukturmodelle iterativ generiert, bis ihre 2D-Querschnitte die in den Originalbildern beobachteten Materialeigenschaften wiedergeben. In GeoDict 2027 ist dieser Prozess in zwei verschiedenen GeoApps automatisiert. Die erste nutzt einen klassischen Optimierungsansatz, um geeignete Eingabeparameter für einen Strukturgenerator zu ermitteln. Die zweite nutzt generative gegnerische Netzwerke (GANs), um eine Generator-KI so zu trainieren, dass sie 3D-Mikrostrukturen erzeugt, deren 2D-Querschnitte von einer Diskriminator-KI nicht von den Originalbildern unterschieden werden können.

Wir werden beide Ansätze vorstellen und ihre Vor- und Nachteile sowie ihr Potenzial und ihre Grenzen bei der Erstellung statistischer 3D-Digitaler Zwillinge aus 2D-Bilddaten erörtern.

Registrieren