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
- Generative Modeling with Phase Stochastic Bridges [52.919600985186996]
拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。
我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。
我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
論文 参考訳(メタデータ) (2023-10-11T18:38:28Z) - 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) - Neural Superstatistics for Bayesian Estimation of Dynamic Cognitive
Models [2.7391842773173334]
我々は,時間変化パラメータと時間不変パラメータの両方を復元できるベイズ推論のシミュレーションに基づくディープラーニング手法を開発した。
この結果から,ディープラーニングアプローチは時間的ダイナミクスを捉える上で極めて効率的であることが示唆された。
論文 参考訳(メタデータ) (2022-11-23T17:42:53Z) - Attention-based Modeling of Physical Systems: Improved Latent
Representations [1.4502611532302039]
本研究では,異なる位置における関連測定に基づいて,任意の空間点における量に対する注意に基づくモデリングを提案する。
提案手法では,コンバータエンコーダを用いて計測と読み出し位置の処理を行う。
我々のモデルは、グラフ要素ネットワークや条件付きニューラルプロセスのような最先端モデルよりも一貫して優れています。
論文 参考訳(メタデータ) (2022-10-20T13:42:20Z) - Velocity continuation with Fourier neural operators for accelerated
uncertainty quantification [1.0312968200748118]
不確かさの定量化は、背景モデルの変動が地震画像に与える影響を決定するのに不可欠である。
この研究の主な貢献は、調査固有のフーリエニューラルオペレーターが、ある背景モデルに関連付けられた地震像を、事実上無料で別の背景モデルにマッピングする速度継続に代理していることである。
論文 参考訳(メタデータ) (2022-03-27T20:33:07Z) - 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。
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。