3DBubflow：一种用于三维重建的、由结构驱动的气泡流图像生成方法

《Chemical Engineering Science》：3DBubflow: A bubbly flow image generation method powered by structures for 3D reconstruction

　　

三维气泡流重建算法的验证受到缺乏配对的实验二维图像和可验证的三维结构监督（3D structural supervision）的限制。本研究提出了3DBubflow，一种生成逼真二维气泡流图像的方法，同时保留对实验测量的三维气泡结构的可追溯性。每个测量的三维网格被光栅化为二维强度投影（intensity projection），并使用OpenCV从中计算八个描述符。在实验高速图像上训练的条件StyleGAN2模型（Conditional StyleGAN2）根据这些描述符和一个随机潜向量生成相应的气泡外观。由此产生的基准提供了已知的三维结构、二维掩模和边界框，用于重建算法的定量训练和验证。

一、研究背景与问题

气泡流广泛存在于化学反应器、冶金操作和核热工水力学等工业过程中。其水动力学复杂，受气泡形态、尺寸分布以及碰撞、聚并和破碎等动态行为控制。准确测量这些气泡特性对于理解基本输运现象和验证先进计算流体动力学（CFD）模型至关重要。高速成像已成为主要测量工具，但二维图像分析相对成熟，从中准确量化气泡的三维特性仍是重大挑战。

传统三维气泡结构重建依赖多视角成像系统，存在成本高、系统同步复杂、数据分析困难、可扩展性差等问题。此外，从二维投影重建三维结构时，信息丢失从根本上限制了精度：双相机系统体积误差约为10%，单相机系统可达50%。因此，需要可靠的验证方法，但现有技术无法同时获得高时间和空间分辨率的地面真值。为此，研究人员转向生成方法创建带标签的流场，以开发和验证重建算法。现有方法分为基于物理的渲染和数据驱动生成。物理方法如光线追踪需要场景特定的几何、材质、光照和相机参数；数据驱动方法能高效生成大数据集，但通常将视觉输出与可验证的三维真值解耦。为克服这一局限，Baodi Yu和Fanyong Meng（中国科学院过程工程研究所）提出了3DBubflow，旨在生成与实测三维结构相关联的真实感二维气泡流图像。该论文发表在《Chemical Engineering Science》。

二、研究内容与结论

3DBubflow将测量几何与学习外观分离。训练期间，从实验单气泡图像用OpenCV计算八个描述符；推断期间，将来自3DBubbles数据集的实测网格光栅化为强度投影，并计算相同描述符。条件StyleGAN2生成器仅接收描述符向量c和随机潜向量z，生成气泡外观。每个生成图像可追溯到实测三维结构，同时保留网格、投影掩模和边界框作为标签。流场生成通过按预定系统尺度统计采样实测网格，逐气泡生成后自底向上合成。结果表明，该方法生成的图像在像素欧氏距离、边缘损失和结构相似性（SSIM）损失上优于BubGAN，且特征解耦和可控性好。该基准为重建算法提供了已知三维结构、二维掩模和边界框，用于定量训练和验证。

三、主要关键技术方法

研究人员主要使用了以下关键技术：（1）三维网格光栅化：采用3DBubbles数据集中的10,000余个实测网格，体积范围0.2–40 mm³，光栅化为128×128强度投影；（2）OpenCV描述符计算：从投影计算八个结构描述符（a、b、Ψ、ε、x_c、y_c、SR、EG）；（3）条件StyleGAN2生成模型：由映射网络处理潜向量z，描述符向量c经变换注入合成网络，损失函数包含对抗损失、路径长度正则化、边缘损失和SSIM损失；（4）二维数据来源：在100 mm直径圆柱形泡罩塔中，空气通入去离子水，Phantom T2410高速相机以10,000 fps采集，YOLOv11检测裁剪得到188,231个单气泡图像。整个流程实现从三维结构到二维图像的生成。

四、研究结果

3.1 生成模型的性能验证

3.1.1 单个气泡生成的比较分析

研究人员将条件StyleGAN2与基于同心圆排列（CCA）的计算机图形方法和BubGAN生成模型进行比较。对于简单近椭球气泡，所有方法均表现良好；但轮廓复杂时，CCA模型受限，条件StyleGAN2在视觉保真度和结构一致性上优于BubGAN。在10,000个共同评估条件下，与BubGAN相比，欧氏距离降低50.4%，边缘损失降低33.5%，SSIM损失降低3.81%。随圆度增加，合成与真实图像差距减小；气泡体积在0–20 mm³范围内影响有限。

3.1.2 特征解耦与可控性

特征融合实验中，对两组四个真实气泡的八维参数向量进行双线性插值，所得图像在锚点气泡之间表现出平滑连续的大小和形状过渡。敏感性测试通过固定其他参数、每次变化两个参数，观察到生成气泡沿对应轴发生预期变化，表明模型成功解耦结构参数，实现了独立直观的控制。

3.2 从三维结构生成图像

每个实测3D网格被光栅化为灰度投影，OpenCV从中计算训练时使用的八个描述符。条件StyleGAN2从c和z生成照片级图像，同时保留网格、投影掩模和边界框作为真值标签。该流程使外观保持对源3D结构的可追溯性，无需同一物理气泡的2D-3D配对采集。

3.3 气泡流场生成与应用

虚拟气泡流场通过从3DBubbles采样实测网格并按预定尺寸、水平位置、旋转角度和偏心率分布排列构建。每个气泡单独光栅化和表征，条件StyleGAN2生成结构条件单气泡图像，然后根据已知位置和可见性顺序自底向上合成。系统尺度统计验证表明，恒定气含率下，增大预定泡径分布尺度会增加平均体积并减少气泡数量；水平位置分布改变排列紧凑性，旋转角度分布控制角度离散度。生成的图像、边界框和实例掩模可支持检测、分割和重建算法的开发与评估。

3.4 局限性

单气泡图像质量的定量结论限于3DBubbles数据集结构范围（0.2–40 mm³），低于0.2 mm³或超出观测范围无有效图像质量声明。流场中气泡间光学耦合未显式模拟。外观域限于训练中使用的100 mm泡罩塔、去离子水和Phantom T2410成像配置。未声称相对于光线追踪的计算成本或图像质量优势。

五、总结讨论

研究表明，基于物理的渲染和数据驱动方法具有互补性。3DBubflow将实验图像外观转移到与实测三维结构相关的投影上，为重建算法提供带标签数据。然而，验证仅限于一个实验外观域，且流场通过独立生成的单气泡图像组装，未复制气泡间光学相互作用。未来工作将评估向其他柱体几何、液体系统和成像配置的迁移，并开发高效的目标域适应策略。

六、研究结论（翻译）

本研究提出了3DBubflow，一种数据驱动的生成方法，用于生成与实测三维气泡结构相关联的逼真二维气泡流图像。每个网格被光栅化为强度投影，使用八个OpenCV描述符进行表征，并与由描述符向量和随机潜向量生成的配对外观相结合。投影本身不输入生成器。对于流场生成，结构条件的单气泡图像及其标签被自底向上组装，系统尺度比较确认了预定分布、气泡数量和平均体积的保持。所得基准提供已知三维结构、二维掩模和边界框，用于训练和评估检测、分割和重建算法。目前的验证限于一个实验外观域，未建立气泡间光学耦合或相对于光线追踪的直接优势。未来工作将评估向额外柱体几何、液体系统和成像配置的迁移，并开发高效的目标域适应策略。