論文の概要: DuRIN: A Deep-unfolded Sparse Seismic Reflectivity Inversion Network

• arxiv url: http://arxiv.org/abs/2104.04704v1
• Date: Sat, 10 Apr 2021 07:49:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-16 05:26:02.770819
• Title: DuRIN: A Deep-unfolded Sparse Seismic Reflectivity Inversion Network
• Title（参考訳）: DuRIN: 深部展開型スパース反射率インバージョンネットワーク
• Authors: Swapnil Mache, Praveen Kumar Pokala, Kusala Rajendran and Chandra Sekhar Seelamantula
• Abstract要約: 地震データから界面の位置と反射係数の振幅を復元する反射地震学の問題を考察する。 重み付きminimax-concave penalty-regularized reflectivity inversion法を提案し,モデルベースニューラルネットワークを用いて解く。
• 参考スコア（独自算出の注目度）: 23.080395291046408
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider the reflection seismology problem of recovering the locations of interfaces and the amplitudes of reflection coefficients from seismic data, which are vital for estimating the subsurface structure. The reflectivity inversion problem is typically solved using greedy algorithms and iterative techniques. Sparse Bayesian learning framework, and more recently, deep learning techniques have shown the potential of data-driven approaches to solve the problem. In this paper, we propose a weighted minimax-concave penalty-regularized reflectivity inversion formulation and solve it through a model-based neural network. The network is referred to as deep-unfolded reflectivity inversion network (DuRIN). We demonstrate the efficacy of the proposed approach over the benchmark techniques by testing on synthetic 1-D seismic traces and 2-D wedge models and validation with the simulated 2-D Marmousi2 model and real data from the Penobscot 3D survey off the coast of Nova Scotia, Canada.
• Abstract（参考訳）: 地下構造を推定する上で欠かせない地震データから界面の位置と反射係数の振幅を復元する反射地震学の問題を考察する。 反射率反転問題は通常、欲求アルゴリズムと反復的手法を用いて解決される。 スパースベイズ学習フレームワーク、さらに最近では、ディープラーニング技術がこの問題を解決するデータ駆動アプローチの可能性を示している。 本稿では,重み付きミニマックス凹型ペナルティ正規化反射率反転式を提案し,モデルベースニューラルネットワークを用いて解いた。 このネットワークはdeep-unfolded reflectivity inversion network (durin) と呼ばれる。 カナダ・ノバスコシア沖のペノブスコット3D調査から得られた2次元マルムーシ2モデルと実データを用いて,合成1次元の地震跡と2次元のウェッジモデルを用いて,提案手法に対する提案手法の有効性を実証した。

関連論文リスト

• A Library of Mirrors: Deep Neural Nets in Low Dimensions are Convex Lasso Models with Reflection Features [54.83898311047626]
  2層から有限層まで線形に活性化するニューラルネットワークについて検討する。 まず, 分岐深さの離散辞書を用いたLassoモデルについて検討した。
  論文  参考訳（メタデータ） (2024-03-02T00:33:45Z)
• Neural Poisson Surface Reconstruction: Resolution-Agnostic Shape Reconstruction from Point Clouds [53.02191521770926]
  我々は,3次元形状を点から復元するという課題に対処する形状再構成アーキテクチャであるニューラルポアソン表面再構成(nPSR)を導入する。 nPSRには2つの大きな利点がある: まず、高分解能評価において同等の性能を達成しつつ、低分解能データの効率的なトレーニングを可能にする。 全体として、ニューラル・ポアソン表面の再構成は、形状再構成における古典的なディープニューラルネットワークの限界を改良するだけでなく、再構築品質、走行時間、分解能非依存の観点からも優れた結果が得られる。
  論文  参考訳（メタデータ） (2023-08-03T13:56:07Z)
• Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
  我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。 我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。 提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
  論文  参考訳（メタデータ） (2021-10-20T06:15:45Z)
• NuSPAN: A Proximal Average Network for Nonuniform Sparse Model -- Application to Seismic Reflectivity Inversion [23.080395291046408]
  我々は, 地震データの高分解能回復の観点から, 近位脱畳の問題を解く。 凸と非一様シグナライザの組み合わせを用いる。 結果として生じるスパースネットワークアーキテクチャは、データ駆動方式で取得できる。
  論文  参考訳（メタデータ） (2021-05-01T04:33:02Z)
• Secrets of 3D Implicit Object Shape Reconstruction in the Wild [92.5554695397653]
  コンピュータビジョン、ロボティクス、グラフィックスの様々な用途において、高精細な3Dオブジェクトをスパースから再構築することは重要です。 最近の神経暗黙的モデリング法は、合成データセットまたは高密度データセットで有望な結果を示す。 しかし、粗末でノイズの多い実世界のデータではパフォーマンスが悪い。 本論文では, 一般的な神経暗黙モデルの性能低下の根本原因を解析する。
  論文  参考訳（メタデータ） (2021-01-18T03:24:48Z)
• Uncalibrated Neural Inverse Rendering for Photometric Stereo of General Surfaces [103.08512487830669]
  本稿では,測光ステレオ問題に対する無補間深層ニューラルネットワークフレームワークを提案する。 既存のニューラルネットワークベースの方法は、物体の正確な光方向または接地正則のいずれかまたは両方を必要とします。 本稿では,この問題に対する未調整の神経逆レンダリング手法を提案する。
  論文  参考訳（メタデータ） (2020-12-12T10:33:08Z)
• Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
  シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。 RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。 5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-02T03:14:57Z)
• A Method for Estimating Reflectance map and Material using Deep Learning with Synthetic Dataset [16.74203007339432]
  画像中の対象物体の物質推定のための深層学習に基づく反射率マップ予測システムを提案する。 また,双方向反射率分布関数(BRDF)パラメータ推定,環境マップ推定のためのネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-01-15T15:25:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。