論文の概要: OpenFWI: Large-Scale Multi-Structural Benchmark Datasets for Seismic Full Waveform Inversion

• arxiv url: http://arxiv.org/abs/2111.02926v6
• Date: Sat, 24 Jun 2023 00:02:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-28 01:48:12.852876
• Title: OpenFWI: Large-Scale Multi-Structural Benchmark Datasets for Seismic Full Waveform Inversion
• Title（参考訳）: openfwi:地震波全波形インバージョンのための大規模マルチストラクショナルベンチマークデータセット
• Authors: Chengyuan Deng, Shihang Feng, Hanchen Wang, Xitong Zhang, Peng Jin, Yinan Feng, Qili Zeng, Yinpeng Chen, Youzuo Lin
• Abstract要約: フルウェーブフォーム・インバージョン(FWI)は、地震データから高分解能速度マップを再構成するために地球物理学で広く用いられている。 データ駆動型FWI手法の最近の成功は、地球物理学のコミュニティにサービスを提供するためのオープンデータセットの需要が急速に増加した結果である。 大規模マルチ構造化ベンチマークデータセットの集合であるOpenFWIを提案する。
• 参考スコア（独自算出の注目度）: 16.117689670474142
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Full waveform inversion (FWI) is widely used in geophysics to reconstruct high-resolution velocity maps from seismic data. The recent success of data-driven FWI methods results in a rapidly increasing demand for open datasets to serve the geophysics community. We present OpenFWI, a collection of large-scale multi-structural benchmark datasets, to facilitate diversified, rigorous, and reproducible research on FWI. In particular, OpenFWI consists of 12 datasets (2.1TB in total) synthesized from multiple sources. It encompasses diverse domains in geophysics (interface, fault, CO2 reservoir, etc.), covers different geological subsurface structures (flat, curve, etc.), and contains various amounts of data samples (2K - 67K). It also includes a dataset for 3D FWI. Moreover, we use OpenFWI to perform benchmarking over four deep learning methods, covering both supervised and unsupervised learning regimes. Along with the benchmarks, we implement additional experiments, including physics-driven methods, complexity analysis, generalization study, uncertainty quantification, and so on, to sharpen our understanding of datasets and methods. The studies either provide valuable insights into the datasets and the performance, or uncover their current limitations. We hope OpenFWI supports prospective research on FWI and inspires future open-source efforts on AI for science. All datasets and related information can be accessed through our website at https://openfwi-lanl.github.io/
• Abstract（参考訳）: フルウェーブフォームインバージョン(FWI)は、地震データから高分解能速度マップを再構成するために地球物理学で広く用いられている。 最近のデータ駆動型fwi手法の成功は、地球物理学コミュニティにサービスを提供するオープンデータセットの需要が急速に増大する結果となった。 本稿では,大規模マルチ構造化ベンチマークデータセットの集合であるOpenFWIを紹介し,FWIの多様化,厳密,再現可能な研究を容易にする。 特にOpenFWIは、複数のソースから合成された12のデータセット(2.1TB)で構成されている。 地質学の様々な領域(界面、断層、CO2貯水池など)を包含し、異なる地質地下構造(平坦、曲線など)を包含し、様々なデータサンプル(2K - 67K)を含んでいる。 3D FWI用のデータセットも含まれている。 さらに,OpenFWIを用いて4つのディープラーニング手法をベンチマークし,教師なしと教師なしの両方の学習体制をカバーする。 ベンチマークとともに、物理駆動の手法、複雑性分析、一般化研究、不確実性定量化などを含む追加実験を実施し、データセットや手法の理解を深める。 研究はデータセットとパフォーマンスに関する貴重な洞察を提供するか、現在の制限を明らかにするかのどちらかだ。 OpenFWIはFWIの先進的な研究を支援し、科学のためのAIに対する将来のオープンソースの取り組みを刺激することを期待しています。 すべてのデータセットと関連する情報は、https://openfwi-lanl.github.io/のWebサイトからアクセスできます。

関連論文リスト

• Inversion-DeepONet: A Novel DeepONet-Based Network with Encoder-Decoder for Full Waveform Inversion [28.406887976413845]
  フルウェーブフォーム・インバージョン(FWI)のための新しいディープ・オペレータ・ネットワーク(DeepONet)アーキテクチャ(Inversion-DeepONet)を提案する。 分岐網内の地震データから特徴を抽出するために畳み込みニューラルネットワーク(CNN)を用いる。 我々は,既存のデータ駆動型FWI法と比較して,ネットワークの精度と一般化能力の優れた性能を確認した。
  論文  参考訳（メタデータ） (2024-08-15T08:15:06Z)
• 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)
• 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。