| 한글제목(Korean Title) |
3D-IWGAN을 이용한 침투성 포장재의 3차원 미세구조 재구성 |
| 영문제목(English Title) |
3D microstructure reconstruction of Permeable Pavement using 3D-IWGAN |
| 저자(Author) |
루디아 에카 페리
권준호
안재훈
Ludia Eka Feri
Joonho Kwon
Jaehun Ahn
|
| 원문수록처(Citation) |
VOL 34 NO. 02 PP. 0022 ~ 0033 (2018. 08) |
한글내용
(Korean Abstract) |
가상 실험은 재료 특성을 평가하고 다상 재료의 기계적 거동을 모델링하는 효율적인 방법이다. 가상 실험에서 가중 중요한 부분은 원래의 특성을 보존하면서 실제 개체를 대체하는 모델 생성 부분이다. 3차원 미세구조 재구성을 위한 이전의 연구들은 주로 통계적 접근 방법과 확률적 기법에 기반을 두고 있다. 이 방법들은 재료에 대한 미리 정의된 지식을 어느 정도 필요로 한다. 이 논문에서는, 사전 지식 없이 3차원 미세 구조를 생성하는 딥러닝 기반의 기법을 제시한다. 제안한 시스템은 3D-IWGAN 방법을 사용하여 침투성 포장재 2차원 이미지로부터 3차원 미세 구조 모델을 생성한다. 실험 결과를 통하여 제안한 시스템의 실행 가능성을 확인하였다.
|
영문내용
(English Abstract) |
A virtual experiment is an efficient way to assess material properties and to model mechanical behavior in multiphase material. The most crucial part of the virtual experiment is a model generation which replaces the real object by preserving its original properties. Previous researches on the 3D microstructure reconstruction are mainly based on statistical approaches and stochastic techniques. These methods require pre-defined knowledge about the materials. Thus, we propose a deep learning method to address the issue. Our system utilizes a 3D-IWGAN method to generate the 3D microstructure model from 2D images of a permeable pavement. Experimental results demonstrate the feasibility of our system to reconstruct a 3D microstructure model for permeable pavement.
|
| 키워드(Keyword) |
생성적 적대 신경망
미세 구조 분석
미세 구조 3D 모델
generative adversarial network
microstructure analysis
3D microstructure model
|
| 파일첨부 |
PDF 다운로드
|
