論文の概要: Unsupervised Seismic Footprint Removal With Physical Prior Augmented Deep Autoencoder

• arxiv url: http://arxiv.org/abs/2302.10756v1
• Date: Wed, 8 Feb 2023 07:46:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-26 14:19:44.769911
• Title: Unsupervised Seismic Footprint Removal With Physical Prior Augmented Deep Autoencoder
• Title（参考訳）: 物理的事前拡張型深部オートエンコーダによる非教師なし地震時足跡除去
• Authors: Feng Qian, Yuehua Yue, Yu He, Hongtao Yu, Yingjie Zhou, Jinliang Tang, and Guangmin Hu
• Abstract要約: 本稿では、獲得したフットプリントの教師なし抑制のためのフットプリント除去ネットワーク(FR-Netと呼ばれる)を提案する。 FR-Netの鍵となるのは、ノイズの本質的な指向性に応じてフットプリント獲得のための一方向全変動(UTV)モデルを設計することである。
• 参考スコア（独自算出の注目度）: 11.303407992331213
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Seismic acquisition footprints appear as stably faint and dim structures and emerge fully spatially coherent, causing inevitable damage to useful signals during the suppression process. Various footprint removal methods, including filtering and sparse representation (SR), have been reported to attain promising results for surmounting this challenge. However, these methods, e.g., SR, rely solely on the handcrafted image priors of useful signals, which is sometimes an unreasonable demand if complex geological structures are contained in the given seismic data. As an alternative, this article proposes a footprint removal network (dubbed FR-Net) for the unsupervised suppression of acquired footprints without any assumptions regarding valuable signals. The key to the FR-Net is to design a unidirectional total variation (UTV) model for footprint acquisition according to the intrinsically directional property of noise. By strongly regularizing a deep convolutional autoencoder (DCAE) using the UTV model, our FR-Net transforms the DCAE from an entirely data-driven model to a \textcolor{black}{prior-augmented} approach, inheriting the superiority of the DCAE and our footprint model. Subsequently, the complete separation of the footprint noise and useful signals is projected in an unsupervised manner, specifically by optimizing the FR-Net via the backpropagation (BP) algorithm. We provide qualitative and quantitative evaluations conducted on three synthetic and field datasets, demonstrating that our FR-Net surpasses the previous state-of-the-art (SOTA) methods.
• Abstract（参考訳）: 震度取得の足跡は安定して弱く、完全に空間的にコヒーレントになり、抑圧過程で有用な信号に不可避な損傷を引き起こす。 フィルタやスパース表現(SR)を含む様々なフットプリント除去手法が,この課題を克服するための有望な結果を得たことが報告されている。 しかし、これらの手法、例えば、SRは有用な信号のハンドクラフト画像にのみ依存しており、複雑な地質構造が与えられた地震データに含まれる場合、しばしば不合理な要求である。 代替案として本論文では,価値ある信号の仮定なしに取得した足跡を教師なしで抑制するための足跡除去ネットワーク (dubbed fr-net) を提案する。 fr-netの鍵は、ノイズの固有方向特性に応じて足跡獲得のための一方向全変動(utv)モデルを設計することである。 UTVモデルを用いてディープ畳み込みオートエンコーダ(DCAE)を強く正規化することにより、FR-NetはDCAEを完全なデータ駆動モデルから \textcolor{black}{prior-augmented} アプローチに変換し、DCAEとフットプリントモデルの優位性を継承する。 その後、バックプロパゲーション(BP)アルゴリズムを用いてFR-Netを最適化することにより、フットプリントノイズと有用な信号の完全分離を教師なしで予測する。 我々は,3つの合成およびフィールドデータセットに対して行われた定性的および定量的評価を行い,FR-Netが従来のSOTA法を超えることを示す。

関連論文リスト

• Effort: Efficient Orthogonal Modeling for Generalizable AI-Generated Image Detection [66.16595174895802]
  既存のAI生成画像(AIGI)検出手法は、しばしば限定的な一般化性能に悩まされる。 本稿では、AIGI検出において、これまで見過ごされてきた重要な非対称性現象を同定する。
  論文  参考訳（メタデータ） (2024-11-23T19:10:32Z)
• Self-Assessed Generation: Trustworthy Label Generation for Optical Flow and Stereo Matching in Real-world [24.251352190100135]
  本稿では、光学フローとステレオタスクのための統合された自己教師付き一般化フレームワークである自己評価生成(SAG)を提案する。 従来の自己教師型手法とは異なり、SAGはデータ駆動であり、高度な再構成技術を用いてRGB画像から再構成フィールドを構築し、それに基づいてデータセットを生成する。
  論文  参考訳（メタデータ） (2024-10-14T12:46:17Z)
• Steering Masked Discrete Diffusion Models via Discrete Denoising Posterior Prediction [88.65168366064061]
  本稿では,確率論的推論の課題として,事前学習したMDMを操る作業を行う新しいフレームワークであるDDPPを紹介する。 私たちのフレームワークは、3つの新しい目標のファミリーにつながります。 Wet-lab Validation(ウェット・ラブ・バリデーション)を用いて,報酬最適化タンパク質配列の過渡的発現を観察する。
  論文  参考訳（メタデータ） (2024-10-10T17:18:30Z)
• SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
  大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。 本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
  論文  参考訳（メタデータ） (2024-07-23T20:34:23Z)
• Conditioning Generative Latent Optimization for Sparse-View CT Image Reconstruction [0.5497663232622965]
  生成潜在最適化フレームワーク(cGLO)に対する教師なし条件付きアプローチを提案する。 この手法は、複数のトレーニングデータセットサイズと様々な視角を用いて、フルドーズスパース・ビューCTでテストされる。
  論文  参考訳（メタデータ） (2023-07-31T13:47:33Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Gait Cycle Reconstruction and Human Identification from Occluded Sequences [2.198430261120653]
  我々は,歩行認識を行う前に,隠蔽されたフレームを入力シーケンスで再構築する有効なニューラルネットワークモデルを提案する。 我々はLSTMネットワークを用いて,前向きと後向きの両方から隠蔽フレームの埋め込みを予測する。 LSTMは平均二乗損失を最小限に抑えるために訓練されるが、核融合ネットワークは、接地構造と再構成されたサンプルの間の画素単位のクロスエントロピー損失を最適化するために訓練される。
  論文  参考訳（メタデータ） (2022-06-20T16:04:31Z)
• Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
  我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。 この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。 本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-08T04:09:13Z)
• 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)

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。