Investigation of Neural Network Methods for Reconstruction and Classification of Texture Images Under Conditions of Incomplete Information

Resumen Técnico: Investigación de Métodos de Redes Neuronales para la Reconstrucción y Clasificación de Imágenes de Texturas bajo Condiciones de Información Incompleta

Planteamiento del Problema
El análisis automatizado de imágenes de núcleos de perforación geológica se ve frecuentemente impedido por daños físicos, tales como agujeros de tapón, fracturas y pérdida de datos, lo que crea escenarios de información incompleta. Si bien el aprendizaje profundo ha avanzado en la descripción litológica, las Redes Neuronales Convolucionales (CNN) y los Vision Transformers (ViT) estándar se degradan significativamente cuando se aplican a datos dañados o "inpintados" donde el contexto semántico es reconstruido artificialmente. Existe una brecha crítica en la comprensión de la relación entre la calidad perceptual de la inpainting generativa de imágenes y la utilidad posterior de estas imágenes reconstruidas para la clasificación semántica. Específicamente, no está claro si una reconstrucción visual de alta fidelidad se traduce en una identificación litológica confiable, particularmente para clases minoritarias en conjuntos de datos altamente desbalanceados.

Metodología
Los autores proponen un flujo de trabajo integrado de extremo a extremo que comprende cuatro etapas secuenciales:

1. Preprocesamiento (Detección y Segmentación): Un modelo Faster R-CNN localiza las columnas de núcleos, mientras que un Mask R-CNN realiza la segmentación de instancias para generar máscaras binarias precisas de los defectos físicos (por ejemplo, agujeros de tapón).
2. Reconstrucción Adversaria (Inpainting): Se emplea una Red Generativa Adversaria (GAN) de Agregación de Residuos Contextuales (CRA) para reconstruir las regiones faltantes. La arquitectura utiliza un generador de doble vía: una vía de baja resolución para el contexto estructural global y una vía de alta resolución para el refinamiento de la textura a escala de grano. Un Módulo de Computación de Atención (ACM) guía la transferencia de residuos de alta frecuencia desde las regiones válidas hacia las zonas dañadas. El objetivo de entrenamiento combina la pérdida adversaria, la pérdida de reconstrucción L1 por píxel y un término de auto-reconstrucción de autoencoder para asegurar la consistencia estadística sin desviarse de las texturas circundantes válidas.
3. Clasificación: Las imágenes reconstruidas se recortan en parches uniformes y se clasifican utilizando diversas arquitecturas, incluyendo redes de textura especializadas (Deep Residual Pooling - DRP, Deep Encoding Pooling - DEP), CNNs modernas (EfficientNetV2, ConvNeXt) y Vision Transformers (ViT, Swin Tiny).
4. Estrategia de Ensamble: Para abordar los modos de falla específicos de modelos individuales, se propone un ensamble híbrido basado en la confianza, donde un modelo Swin Tiny anula las predicciones de EfficientNetV2 para clases minoritarias específicas (blanco, núcleo destruido, carbón, roca densa) cuando la confianza del Transformer supera un umbral del 80%.

Configuración Experimental y Validación
El estudio utiliza un conjunto de datos de 2,190 imágenes de alta resolución (secciones de núcleo de 1 metro) de 16 pozos de un solo depósito en el Suroeste de Kazajistán, cubriendo nueve facies litológicas. Una contribución metodológica crítica es la implementación de una estrategia de validación estricta entre pozos (cross-well validation). A diferencia de las divisiones aleatorias de parches estándar que sufren de fuga de datos espaciales (arrojando precisiones artificialmente altas de hasta 93.7%), los autores particionaron los datos a nivel de pozo (14 pozos para entrenamiento, 2 pozos distintos para prueba) para asegurar una evaluación realista de la generalización.

Resultos Clave

• Brecha entre Reconstrucción y Clasificación: La CRA-GAN logró una alta fidelidad perceptual (PSNR 28.7 dB, SSIM 0.91, FID 74.01). Sin embargo, esta alta calidad visual no garantizó el éxito de la clasificación. La precisión de la clasificación se estancó en aproximadamente el 53% (Precisión Media de Clase ~48%) en la mayoría de las arquitecturas, revelando una "brecha semántica" donde las reconstrucciones visualmente plausibles contenían características "alucinadas" que confundían a los clasificadores.
• Desempeño de la Arquitectura:
  • Vision Transformers (ViT): Sufrieron un sobreajuste severo (precisión de entrenamiento ~98% vs. precisión de prueba 48%) debido a la falta de sesgos inductivos espaciales en dominios geológicos limitados por datos.
  • Swin Tiny: Mostró sensibilidad al desbalance de clases, sesgándose fuertemente hacia las facies de arcilla dominantes, aunque capturó pistas estructurales de gran escala beneficiosas para las clases minoritarias.
  • EfficientNetV2 y ConvNeXt: Demostraron la generalización base más robusta (53% de precisión, 48% de MCA), atribuido al escalado compuesto y la resistencia al sobreajuste.
• Impacto de la Inpainting: Aunque la precisión general permaneció sin cambios (53%) con o sin inpainting, la CRA-GAN proporcionó mejoras dirigidas para clases minoritarias específicas. Por ejemplo, el recall para "Roca densa" mejoró 3.5 veces (0.02 a 0.07) y el F1-score de "Arenisca de grano medio" aumentó en 0.05, indicando que la restauración de la continuidad estructural ayuda a la extracción de características para litologías complejas.
• Ensemble Híbrido: El ensamble basado en la confianza (EfficientNetV2 + Swin Tiny) elevó la Precisión Media de Clase (MCA) del 48% al 58% al anular selectivamente las predicciones para las clases minoritarias. Esto tuvo como costo una ligera reducción en la precisión general (53% a 49%), un compromiso considerado aceptable para mejorar la detección de facies subrepresentadas y económicamente críticas.

Significancia y Reivindicaciones
El artículo plantea que los modelos generativos actuales de última generación, aunque visualmente efectivos, pueden producir características semánticamente ambiguas que confunden a los clasificadores posteriores. El estudio cuantifica explícitamente la dependencia entre la calidad de la reconstrucción y el desempeño de la clasificación, demostrando que las métricas de percepción alta son insuficientes predictores de utilidad en el análisis geológico automatizado.

Los autores posicionan el sistema resultante no como un clasificador totalmente autónomo, sino como una herramienta de soporte y cribado de decisiones. Dada la persistente barrera de precisión entre pozos de 49–53%, el flujo de trabajo está diseñado para automatizar la fase inicial laboriosa sobre la imaginería de núcleos dañados y priorizar la atención del experto hacia candidatos a litofacies, particularmente las clases minoritarias como el carbón y la roca densa. El trabajo ofrece una línea base reproducible para pruebas no destructivas y ciencia de materiales, resaltando la necesidad de una validación rigurosa entre pozos para evitar afirmaciones de desempeño infladas causadas por la fuga de datos.

Limitaciones y Direcciones Futuras
Los autores reconocen limitaciones, incluyendo la dependencia de imágenes RGB (que carecen de datos espectrales para resolver facies de transición) y un tamaño de conjunto de datos restringido de un solo depósito. Se propone trabajo futuro para integrar datos hiperespectrales, desarrollar clasificación consciente de la incertidumbre para regiones sintéticas, crear métricas de inpainting conscientes de la semántica y utilizar la generación de datos sintéticos informada por la física para mitigar el desbalance de clases.