論文の概要: OpenFWI: Benchmark Seismic Datasets for Machine Learning-Based Full
Waveform Inversion
- arxiv url: http://arxiv.org/abs/2111.02926v1
- Date: Thu, 4 Nov 2021 15:03:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-05 15:44:03.400343
- Title: OpenFWI: Benchmark Seismic Datasets for Machine Learning-Based Full
Waveform Inversion
- Title(参考訳): OpenFWI: 機械学習に基づくフルウェーブフォームインバージョンのためのベンチマーク地震データセット
- Authors: Chengyuan Deng, Yinan Feng, Shihang Feng, Peng Jin, Xitong Zhang, Qili
Zeng, Youzuo Lin
- Abstract要約: OpenFWIは、地震波フル波形インバージョン(FWI)のための大規模オープンソースベンチマークデータセットの集合体である。
OpenFWIには、複数のスケールのデータセットが含まれ、さまざまなドメインを包含し、さまざまなレベルのモデルの複雑さをカバーする。
また、データセットとともに、完全な畳み込み深層学習モデルを用いて、各データセットに関する実証的研究を行う。
- 参考スコア(独自算出の注目度): 5.83705897335111
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present OpenFWI, a collection of large-scale open-source benchmark
datasets for seismic full waveform inversion (FWI). OpenFWI is the
first-of-its-kind in the geoscience and machine learning community to
facilitate diversified, rigorous, and reproducible research on machine
learning-based FWI. OpenFWI includes datasets of multiple scales, encompasses
diverse domains, and covers various levels of model complexity. Along with the
dataset, we also perform an empirical study on each dataset with a
fully-convolutional deep learning model. OpenFWI has been meticulously
maintained and will be regularly updated with new data and experimental
results. We appreciate the inputs from the community to help us further improve
OpenFWI. At the current version, we publish seven datasets in OpenFWI, of which
one is specified for 3D FWI and the rest are for 2D scenarios. All datasets and
related information can be accessed through our website at
https://openfwi.github.io/.
- Abstract(参考訳): 本稿では,地震波全波形インバージョン(fwi)のための大規模オープンソースベンチマークデータセットであるopenfwiを提案する。
OpenFWIは、多種多様で厳密で再現可能な機械学習ベースのFWI研究を促進する、地球科学と機械学習コミュニティの第一種である。
OpenFWIには、複数のスケールのデータセットが含まれ、さまざまなドメインを包含し、さまざまなレベルのモデルの複雑さをカバーする。
データセットとともに、完全畳み込み深層学習モデルを用いて、各データセットに関する実証的研究を行う。
OpenFWIは注意深くメンテナンスされており、新しいデータと実験結果と共に定期的に更新される。
OpenFWIをさらに改善するためのコミュニティからのインプットに感謝します。
現在のバージョンでは、OpenFWIで7つのデータセットを公開しています。
すべてのデータセットと関連する情報は、https://openfwi.github.io/のwebサイトからアクセスできます。
関連論文リスト
- Kick Back & Relax++: Scaling Beyond Ground-Truth Depth with SlowTV &
CribsTV [50.616892315086574]
本稿では,SlowTV と CribsTV の2つの新しいデータセットを提案する。
これらは、一般公開されているYouTubeビデオから収集された大規模なデータセットで、合計200万のトレーニングフレームが含まれている。
我々はこれらのデータセットを活用し、ゼロショット一般化の難しい課題に取り組む。
論文 参考訳(メタデータ) (2024-03-03T17:29:03Z) - $\mathbf{\mathbb{E}^{FWI}}$: Multi-parameter Benchmark Datasets for
Elastic Full Waveform Inversion of Geophysical Properties [27.94139165494327]
$mathbfmathbbEFWI$は、弾性フルウェーブフォームインバージョンのための包括的なベンチマークデータセットである。
$mathbfmathbbEFWI$は、様々な地下地質構造をカバーする8つの異なるデータセットを含んでいる。
P波速度とS波速度の関係は、地下特性に重要な洞察を与える。
論文 参考訳(メタデータ) (2023-06-21T17:11:35Z) - infoVerse: A Universal Framework for Dataset Characterization with
Multidimensional Meta-information [68.76707843019886]
infoVerseは、データセットの特徴付けのための普遍的なフレームワークである。
infoVerseは、様々なモデル駆動メタ情報を統合することで、データセットの多次元特性をキャプチャする。
実世界の3つのアプリケーション(データプルーニング、アクティブラーニング、データアノテーション)において、infoVerse空間で選択されたサンプルは、強いベースラインを一貫して上回る。
論文 参考訳(メタデータ) (2023-05-30T18:12:48Z) - Argoverse 2: Next Generation Datasets for Self-Driving Perception and
Forecasting [64.7364925689825]
Argoverse 2(AV2)は、自動運転分野の研究の知覚と予測のための3つのデータセットの集合である。
Lidarデータセットには、ラベルなしのLidar点雲とマップ整列ポーズの2万のシーケンスが含まれている。
Motion Forecastingデータセットには、各ローカルシーンにおける自動運転車と他のアクター間の興味深い、挑戦的なインタラクションのために採掘された25万のシナリオが含まれている。
論文 参考訳(メタデータ) (2023-01-02T00:36:22Z) - FLamby: Datasets and Benchmarks for Cross-Silo Federated Learning in
Realistic Healthcare Settings [51.09574369310246]
Federated Learning(FL)は、センシティブなデータを保持している複数のクライアントが協力して機械学習モデルをトレーニングできる新しいアプローチである。
本稿では,医療分野に重点を置くクロスサイロ・データセット・スイートFLambyを提案し,クロスサイロ・FLの理論と実践のギャップを埋める。
私たちのフレキシブルでモジュラーなスイートによって、研究者は簡単にデータセットをダウンロードし、結果を再現し、研究のためにさまざまなコンポーネントを再利用することができます。
論文 参考訳(メタデータ) (2022-10-10T12:17:30Z) - When are Deep Networks really better than Random Forests at small sample
sizes? [2.5556070792288934]
ランダム・フォレスト(RF)とディープ・ネットワーク(DN)は、現在の科学文献で最も人気のある機械学習手法である。
それぞれのアプローチが優れている条件と領域をさらに探求し、確立したいと考えています。
私たちの焦点は、少なくとも1万のサンプルを持つデータセットに焦点を当てています。
論文 参考訳(メタデータ) (2021-08-31T06:33:17Z) - Does it work outside this benchmark? Introducing the Rigid Depth
Constructor tool, depth validation dataset construction in rigid scenes for
the masses [1.294486861344922]
ナビゲーションのための独自の深度検証データセットを構築するためのプロトコルを紹介します。
Rigid Depth ConstructorのRCCは、既存の技術よりもアクセスしやすく、安価になることを目指している。
また,評価アルゴリズムから洞察力のある情報を得るためのテストスイートも開発した。
論文 参考訳(メタデータ) (2021-03-29T22:01:24Z) - OpenGF: An Ultra-Large-Scale Ground Filtering Dataset Built Upon Open
ALS Point Clouds Around the World [22.577705573226257]
OpenGF、最初の超大規模地上フィルタリングデータセットを提示します。
OpenGFには50億以上の細いラベル付きグラウンドと非グラウンドポイントが含まれている。
本研究では,最先端ルールベースアルゴリズムと3次元セマンティクスセグメンテーションネットワークの性能評価を行う。
論文 参考訳(メタデータ) (2021-01-24T04:07:35Z) - Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset,
Benchmarks and Challenges [52.624157840253204]
我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。
私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。
我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
論文 参考訳(メタデータ) (2020-09-07T14:47:07Z) - Robust Image Retrieval-based Visual Localization using Kapture [10.249293519246478]
視覚的ローカライゼーションのための多用途パイプラインを提案する。
8つの公開データセットで評価し、それらが上位にランクされ、その多くが上位にランクされている。
今後の研究を促進するため、我々は、BSDライセンス下でオープンソースであるKaptureフォーマットで、コード、モデル、およびすべてのデータセットをリリースする。
論文 参考訳(メタデータ) (2020-07-27T21:10:35Z) - Open Graph Benchmark: Datasets for Machine Learning on Graphs [86.96887552203479]
スケーラブルで堅牢で再現可能なグラフ機械学習(ML)の研究を容易にするために,Open Graph Benchmark(OGB)を提案する。
OGBデータセットは大規模で、複数の重要なグラフMLタスクを含み、さまざまなドメインをカバーする。
各データセットに対して,有意義なアプリケーション固有のデータ分割と評価指標を用いた統一評価プロトコルを提供する。
論文 参考訳(メタデータ) (2020-05-02T03:09:50Z)
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。