Fugu-MT 論文翻訳(概要): WISE: full-Waveform variational Inference via Subsurface Extensions

論文の概要: WISE: full-Waveform variational Inference via Subsurface Extensions

arxiv url: http://arxiv.org/abs/2401.06230v1
Date: Mon, 11 Dec 2023 00:58:33 GMT
ステータス: 処理完了
システム内更新日: 2024-01-22 12:37:57.732278
Title: WISE: full-Waveform variational Inference via Subsurface Extensions
Title（参考訳）: WISE:地下拡張によるフルウェーブフォーム変動推論
Authors: Ziyi Yin and Rafael Orozco and Mathias Louboutin and Felix J. Herrmann
Abstract要約: 本稿では,変分推論と条件付き正規化フローを用いたフルウェーブフォームインバージョンのための確率的手法を提案する。提案手法は、生成人工知能と物理インフォームド・コモンイメージ・コレクションを統合し、正確な初期速度モデルへの依存を減らす。
参考スコア（独自算出の注目度）: 1.4747234049753455
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce a probabilistic technique for full-waveform inversion, employing variational inference and conditional normalizing flows to quantify uncertainty in migration-velocity models and its impact on imaging. Our approach integrates generative artificial intelligence with physics-informed common-image gathers, reducing reliance on accurate initial velocity models. Considered case studies demonstrate its efficacy producing realizations of migration-velocity models conditioned by the data. These models are used to quantify amplitude and positioning effects during subsequent imaging.
Abstract（参考訳）: 本稿では,移動速度モデルにおける不確実性とその画像への影響を定量化するために,変分推論と条件正規化フローを用いたフルウェーブフォームインバージョンのための確率的手法を提案する。提案手法は、生成人工知能と物理インフォームド・コモンイメージ・コレクションを統合し、正確な初期速度モデルへの依存を減らす。検討されたケーススタディは、データによって条件づけられた移行速度モデルの実現性を示す。これらのモデルは、後続の撮像中に振幅および位置決め効果を定量化するために使用される。

関連論文リスト

Oscillation Inversion: Understand the structure of Large Flow Model through the Lens of Inversion Method [60.88467353578118]
実世界のイメージを逆転させる固定点インスパイアされた反復的アプローチは収束を達成せず、異なるクラスタ間で振動することを示す。本稿では,画像強調,ストロークベースのリカラー化,および視覚的プロンプト誘導画像編集を容易にする,シンプルで高速な分布転送手法を提案する。
論文参考訳（メタデータ） (2024-11-17T17:45:37Z)
Machine learning-enabled velocity model building with uncertainty quantification [0.41942958779358674]
移動速度モデルの正確な特徴付けは、幅広い物理応用に不可欠である。従来の速度モデル構築法は強力であるが、逆問題の本質的な複雑さに悩まされることが多い。本稿では,Diffusion Networkの形で生成モデリングと物理インフォームド・サマリ・統計を統合したスケーラブルな手法を提案する。
論文参考訳（メタデータ） (2024-11-11T01:36:48Z)
High Resolution Seismic Waveform Generation using Denoising Diffusion [3.5046784866523932]
本研究では, 高周波波形生成のための新しい, 効率的, スケーラブルな生成モデルを提案する。地震波形データのスペクトログラム表現を、オートエンコーダを介して低次元のサブ多様体に還元する。最先端拡散モデルを用いて、キー入力パラメータを条件に、この潜伏表現を生成する。
論文参考訳（メタデータ） (2024-10-25T07:01:48Z)
Sequential Posterior Sampling with Diffusion Models [15.028061496012924]
条件付き画像合成における逐次拡散後サンプリングの効率を向上させるため,遷移力学をモデル化する新しい手法を提案する。本研究では,高フレームレート心エコー画像の現実的データセットに対するアプローチの有効性を実証する。提案手法は,画像の拡散モデルとリアルタイム推論を必要とする他の領域における拡散モデルのリアルタイム適用の可能性を開く。
論文参考訳（メタデータ） (2024-09-09T07:55:59Z)
A prior regularized full waveform inversion using generative diffusion models [0.5156484100374059]
フルウェーブフォームインバージョン(FWI)は高分解能地下モデル推定を提供する可能性がある。観測の限界、例えば、地域雑音、限られたショットや受信機、帯域制限データなどにより、FWIで所望の高解像度モデルを得るのは難しい。生成拡散モデルにより正規化されたFWIの新しいパラダイムを提案する。
論文参考訳（メタデータ） (2023-06-22T10:10:34Z)
ShiftDDPMs: Exploring Conditional Diffusion Models by Shifting Diffusion Trajectories [144.03939123870416]
本稿では,前処理に条件を導入することで,新しい条件拡散モデルを提案する。いくつかのシフト規則に基づいて各条件に対して排他的拡散軌跡を割り当てるために、余剰潜在空間を用いる。我々は textbfShiftDDPMs と呼ぶメソッドを定式化し、既存のメソッドの統一的な視点を提供する。
論文参考訳（メタデータ） (2023-02-05T12:48:21Z)
Bi-Noising Diffusion: Towards Conditional Diffusion Models with Generative Restoration Priors [64.24948495708337]
本研究では,事前訓練した非条件拡散モデルを用いて,予測サンプルをトレーニングデータ多様体に導入する手法を提案する。我々は,超解像,着色,乱流除去,画像劣化作業におけるアプローチの有効性を実証するための総合的な実験を行った。
論文参考訳（メタデータ） (2022-12-14T17:26:35Z)
Moment evolution equations and moment matching for stochastic image EPDiff [68.97335984455059]
画像変形モデルにより、画像領域を変形させることにより、時間連続的な画像変換の研究が可能になる。応用例としては、人口傾向とランダムな被写体特定変異の両方を用いた医療画像分析がある。パラメータフルモデルにおける統計的推測のための推定器を構築するために、対応する伊藤拡散のモーメント近似を用いる。
論文参考訳（メタデータ） (2021-10-07T11:08:11Z)
Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文参考訳（メタデータ） (2021-02-12T12:23:13Z)
Wave Propagation of Visual Stimuli in Focus of Attention [77.4747032928547]
周囲の視覚環境の変化に対する迅速な反応は、計算資源を視覚領域の最も関連する場所に再配置する効率的な注意機構を必要とする。本研究は, 営巣動物が提示する有効性と効率性を示す, 生物学的に有望な注目焦点モデルを提案する。
論文参考訳（メタデータ） (2020-06-19T09:33:21Z)

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。