論文の概要: Seismic Acoustic Impedance Inversion Framework Based on Conditional Latent Generative Diffusion Model

• arxiv url: http://arxiv.org/abs/2506.13529v1
• Date: Mon, 16 Jun 2025 14:19:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:48.686896
• Title: Seismic Acoustic Impedance Inversion Framework Based on Conditional Latent Generative Diffusion Model
• Title（参考訳）: 条件付き遅延発生拡散モデルに基づく耐震音響インピーダンスインバージョンフレームワーク
• Authors: Jie Chen, Hongling Chen, Jinghuai Gao, Chuangji Meng, Tao Yang, XinXin Liang,
• Abstract要約: 本研究では, 条件付き遅延生成拡散モデルに基づく新しい耐震性インバージョンフレームワークを提案する。 提案手法は,数段の拡散ステップで高い反転精度と強い一般化能力が得られることを示す。
• 参考スコア（独自算出の注目度）: 17.677087517318988
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Seismic acoustic impedance plays a crucial role in lithological identification and subsurface structure interpretation. However, due to the inherently ill-posed nature of the inversion problem, directly estimating impedance from post-stack seismic data remains highly challenging. Recently, diffusion models have shown great potential in addressing such inverse problems due to their strong prior learning and generative capabilities. Nevertheless, most existing methods operate in the pixel domain and require multiple iterations, limiting their applicability to field data. To alleviate these limitations, we propose a novel seismic acoustic impedance inversion framework based on a conditional latent generative diffusion model, where the inversion process is made in latent space. To avoid introducing additional training overhead when embedding conditional inputs, we design a lightweight wavelet-based module into the framework to project seismic data and reuse an encoder trained on impedance to embed low-frequency impedance into the latent space. Furthermore, we propose a model-driven sampling strategy during the inversion process of this framework to enhance accuracy and reduce the number of required diffusion steps. Numerical experiments on a synthetic model demonstrate that the proposed method achieves high inversion accuracy and strong generalization capability within only a few diffusion steps. Moreover, application to field data reveals enhanced geological detail and higher consistency with well-log measurements, validating the effectiveness and practicality of the proposed approach.
• Abstract（参考訳）: 地震音響インピーダンスは, 岩石学的同定と地下構造解釈において重要な役割を担っている。 しかし, 逆転問題の本質的不備のため, ポストスタック地震データからのインピーダンスを直接推定することは極めて困難である。 近年, 拡散モデルは, 高い事前学習能力と生成能力により, 逆問題に対処する大きな可能性を示している。 それでも、既存のほとんどのメソッドはピクセル領域で動作し、複数のイテレーションを必要とするため、フィールドデータの適用性が制限される。 これらの制約を緩和するために,条件付き潜時生成拡散モデルに基づく新しい耐震性インバージョンフレームワークを提案する。 条件付き入力を埋め込む際の追加トレーニングのオーバーヘッドを回避するため, 耐震データを投影する軽量ウェーブレットモジュールを設計し, インピーダンスを訓練したエンコーダを再利用し, 低周波インピーダンスを潜時空間に埋め込む。 さらに,本フレームワークの逆転過程におけるモデル駆動型サンプリング戦略を提案し,精度を高め,必要な拡散ステップ数を削減した。 合成モデルの数値実験により, 提案手法は, ほんの数ステップで高い反転精度と強い一般化能力が得られることを示した。 さらに、フィールドデータへの適用により、地質学的詳細性の向上と、ウェルログ測定との整合性の向上が明らかになり、提案手法の有効性と実用性が検証された。

関連論文リスト

• Diffusion prior as a direct regularization term for FWI [0.0]
  フルウェーブフォーム・インバージョン(FWI)に先立つスコアベース生成拡散を提案する。 従来の拡散法とは異なり,本手法は逆拡散サンプリングを回避し,イテレーションを少なくする。 提案手法は,従来およびGANベースのFWI手法と比較して,忠実度と堅牢性を向上する。
  論文  参考訳（メタデータ） (2025-06-11T19:43:23Z)
• Denoising as Adaptation: Noise-Space Domain Adaptation for Image Restoration [64.84134880709625]
  拡散モデルを用いて,雑音空間を介して領域適応を行うことが可能であることを示す。 特に、補助的な条件入力が多段階の復調過程にどのように影響するかというユニークな性質を活用することにより、有意義な拡散損失を導出する。 拡散モデルにおけるチャネルシャッフル層や残留スワッピング型コントラスト学習などの重要な戦略を提案する。
  論文  参考訳（メタデータ） (2024-06-26T17:40:30Z)
• Stage-by-stage Wavelet Optimization Refinement Diffusion Model for Sparse-View CT Reconstruction [14.037398189132468]
  本稿では,Sparse-view CT再構成のためのSWORD(Stage-by-stage Optimization Refinement Diffusion)モデルを提案する。 具体的には、低周波および高周波生成モデルを統合する統一的な数学的モデルを構築し、最適化手順で解を実現する。 提案手法は,低周波発生,高周波高精細化,領域変換の3段階を含む,確立された最適化理論に根ざした。
  論文  参考訳（メタデータ） (2023-08-30T10:48:53Z)
• Seismic Data Interpolation via Denoising Diffusion Implicit Models with Coherence-corrected Resampling [7.755439545030289]
  U-Netのようなディープラーニングモデルは、トレーニングとテストの欠落パターンが一致しない場合、しばしばパフォーマンスが低下する。 マルチモーダル拡散モデルに基づく新しいフレームワークを提案する。 推論フェーズでは,サンプリングステップの数を減らし,暗黙的拡散モデルを導入する。 露呈された痕跡と欠落した痕跡との一貫性と連続性を高めるために,我々は2つの戦略を提案する。
  論文  参考訳（メタデータ） (2023-07-09T16:37:47Z)
• 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)
• Reflected Diffusion Models [93.26107023470979]
  本稿では,データのサポートに基づいて進化する反射微分方程式を逆転する反射拡散モデルを提案する。 提案手法は,一般化されたスコアマッチング損失を用いてスコア関数を学習し,標準拡散モデルの主要成分を拡張する。
  論文  参考訳（メタデータ） (2023-04-10T17:54:38Z)
• DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [80.20339155618612]
  DiffusionADは、再構成サブネットワークとセグメンテーションサブネットワークからなる、新しい異常検出パイプラインである。 高速なワンステップデノゲーションパラダイムは、同等の再現品質を維持しながら、数百倍の加速を達成する。 異常の出現の多様性を考慮し、複数のノイズスケールの利点を統合するためのノルム誘導パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-03-15T16:14:06Z)

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。