論文の概要: Seismic Velocity Inversion from Multi-Source Shot Gathers Using Deep Segmentation Networks: Benchmarking U-Net Variants and SeismoLabV3+
- arxiv url: http://arxiv.org/abs/2509.21331v1
- Date: Sun, 07 Sep 2025 14:41:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-06 05:29:07.743681
- Title: Seismic Velocity Inversion from Multi-Source Shot Gathers Using Deep Segmentation Networks: Benchmarking U-Net Variants and SeismoLabV3+
- Title（参考訳）: 深部セグメンテーションネットワークを用いたマルチソースショットギャップからの地震波速度インバージョン:U-Net変数とSeesmoLabV3+のベンチマーク
- Authors: Mahedi Hasan,
- Abstract要約: この研究は、SeesmoLabV3+とともに、U-Net、U-Net++、DeepLabV3+という3つの高度なエンコーダデコーダアーキテクチャをベンチマークする。
その結果、SeesmoLabV3+は内部の検証分割で0.03025、隠されたテストセットで0.0031246のMAPE値で最高の性能を達成できた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Seismic velocity inversion is a key task in geophysical exploration, enabling the reconstruction of subsurface structures from seismic wave data. It is critical for high-resolution seismic imaging and interpretation. Traditional physics-driven methods, such as Full Waveform Inversion (FWI), are computationally demanding, sensitive to initialization, and limited by the bandwidth of seismic data. Recent advances in deep learning have led to data-driven approaches that treat velocity inversion as a dense prediction task. This research benchmarks three advanced encoder-decoder architectures -- U-Net, U-Net++, and DeepLabV3+ -- together with SeismoLabV3+, an optimized variant of DeepLabV3+ with a ResNeXt50 32x4d backbone and task-specific modifications -- for seismic velocity inversion using the ThinkOnward 2025 Speed \& Structure dataset, which consists of five-channel seismic shot gathers paired with high-resolution velocity maps. Experimental results show that SeismoLabV3+ achieves the best performance, with MAPE values of 0.03025 on the internal validation split and 0.031246 on the hidden test set as scored via the official ThinkOnward leaderboard. These findings demonstrate the suitability of deep segmentation networks for seismic velocity inversion and underscore the value of tailored architectural refinements in advancing geophysical AI models.
- Abstract（参考訳）: 地震波速度インバージョンは物理探査における重要な課題であり、地震波データから地下構造物の復元を可能にする。
高分解能の地震探査と解釈に欠かせない。
FWI(Full Waveform Inversion)のような従来の物理駆動の手法は、計算的に要求され、初期化に敏感であり、地震データの帯域幅によって制限される。
近年のディープラーニングの進歩は、速度反転を高密度な予測タスクとして扱うデータ駆動型アプローチにつながっている。
今回の調査では、U-Net、U-Net++、DeepLabV3+という先進的なエンコーダデコーダアーキテクチャと、ResNeXt50 32x4dバックボーンとタスク固有の修正を備えたDeepLabV3+の最適化版であるSeesmoLabV3+を、ThinkOnward 2025 Speed \& Structureデータセットを使用した地震波速度インバージョンのためにベンチマークした。
実験結果から,SeesmoLabV3+は内部検証では0.03025,シースモLabV3+は0.031246,シースモLabV3+は公式のThinkOnwardリーダーボードでは0.031246であった。
これらの結果は, 地震波速度インバージョンのための深部セグメンテーションネットワークの適合性を示し, 物理AIモデルの発展に際し, 設計上の改良点の意義を浮き彫りにしている。
関連論文リスト
- Spike Imaging Velocimetry: Dense Motion Estimation of Fluids Using Spike Cameras [56.30609439239127]
本研究では、粒子画像速度測定(PIV)におけるスパイクカメラ(超高速・高ダイナミックレンジカメラの一種)の膨大なポテンシャルについて検討する。
本研究では,高乱流・複雑な流れ場に特化して設計された深層学習フレームワークSpike Imaging Velocimetry (SIV)を提案する。
本稿では,スパイクに基づくPIVデータセットであるParticle Scenes with Spike and Displacement (PSSD)を提案する。
論文 参考訳（メタデータ） (2025-04-26T09:14:45Z) - Leveraging Deep Operator Networks (DeepONet) for Acoustic Full Waveform Inversion (FWI) [2.3036557956750867]
フルウェーブフォーム・インバージョン(FWI)は地下特性予測において重要な手法である。
FWIは、地震データから高解像度の地球内部モデルを予測する逆問題を解決する。
本研究では,Deep Operator Networks (DeepONet) を利用してFWIの効率性と精度を向上させる手法を提案する。
論文 参考訳（メタデータ） (2025-04-14T21:24:43Z) - SVInvNet: A Densely Connected Encoder-Decoder Architecture for Seismic Velocity Inversion [1.8024397171920885]
本研究では,地震波速度インバージョン問題に対する深層学習に基づくアプローチを提案する。
我々の地震波速度インバージョンネットワーク(SVInvNet)は、高密度ブロックで強化されたマルチコネクションエンコーダデコーダ構造を含む新しいアーキテクチャを導入している。
トレーニングと試験のために,多層, 欠陥, 逆塩ドームのカテゴリを含む多様な地震波速度モデルを構築した。
論文 参考訳（メタデータ） (2023-12-13T14:58:25Z) - V-DETR: DETR with Vertex Relative Position Encoding for 3D Object
Detection [73.37781484123536]
DETRフレームワークを用いた点雲のための高性能な3次元物体検出器を提案する。
限界に対処するため,新しい3次元相対位置(3DV-RPE)法を提案する。
挑戦的なScanNetV2ベンチマークで例外的な結果を示す。
論文 参考訳（メタデータ） (2023-08-08T17:14:14Z) - Machine learning for phase-resolved reconstruction of nonlinear ocean
wave surface elevations from sparse remote sensing data [37.69303106863453]
ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。
提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
論文 参考訳（メタデータ） (2023-05-18T12:30:26Z) - Encoder-Decoder Architecture for 3D Seismic Inversion [1.2234742322758418]
本稿では,地震探査で記録された音の存在下での現実的な3次元モデルの再構築のための深層学習ソリューションを提案する。
我々は,数百のシュートガザキューブの集合全体を効率的に処理する畳み込みエンコーダデコーダアーキテクチャを実装し,解析する。
論文 参考訳（メタデータ） (2022-07-29T17:14:07Z) - Neural RF SLAM for unsupervised positioning and mapping with channel
state information [51.484516640867525]
アイソメトリによるユーザ位置と環境マッピングを共同で学習するニューラルネットワークアーキテクチャを提案する。
提案モデルでは,物理ベースのデコーダを適用すれば,解釈可能な潜在能力,すなわちユーザ位置を学習できる。
論文 参考訳（メタデータ） (2022-03-15T21:32:44Z) - Towards 3D Scene Reconstruction from Locally Scale-Aligned Monocular
Video Depth [90.33296913575818]
映像深度推定や映像からの3次元シーン再構成のようなビデオベースのシナリオでは、フレームごとの予測における未知のスケールとシフトが深度の不整合を引き起こす可能性がある。
局所重み付き線形回帰法を提案する。
提案手法は,複数のゼロショットベンチマークにおいて,既存の最先端手法の性能を50%向上させることができる。
論文 参考訳（メタデータ） (2022-02-03T08:52:54Z) - Unsupervised Learning of Full-Waveform Inversion: Connecting CNN and
Partial Differential Equation in a Loop [13.1144828613672]
フルウェーブフォーム・インバージョン(FWI)は、地震データから地下の速度マップを推定するために地球物理学で広く用いられている。
我々は、コミュニティにとってより困難なベンチマークを確立するために、新しい大規模データセットOpenFWIを紹介します。
実験結果から,我々のモデル(地震データのみを用いた)は,教師付きモデルと同等の精度が得られることがわかった。
論文 参考訳（メタデータ） (2021-10-14T17:47:22Z) - Does Form Follow Function? An Empirical Exploration of the Impact of
Deep Neural Network Architecture Design on Hardware-Specific Acceleration [76.35307867016336]
本研究では,深層ニューラルネットワーク設計が推論速度向上の程度に与える影響について検討する。
ハードウェア固有のアクセラレーションを活用することで平均推論速度が380%向上する一方で、マクロアーキテクチャ設計パターンによって推論速度が大幅に変化することを示した。
論文 参考訳（メタデータ） (2021-07-08T23:05:39Z)
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。