論文の概要: Improving Full Waveform Inversion in Large Model Era

• arxiv url: http://arxiv.org/abs/2603.00377v1
• Date: Fri, 27 Feb 2026 23:33:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.163919
• Title: Improving Full Waveform Inversion in Large Model Era
• Title（参考訳）: 大規模モデル時代におけるフルウェーブフォームインバージョンの改善
• Authors: Yinan Feng, Peng Jin, Yuzhe Guo, Yinpeng Chen, Youzuo Lin,
• Abstract要約: シミュレーションおよび比較的単純なデータに基づいて完全に訓練されたモデルが、挑戦的な地質学的ベンチマークに対して驚くほどよく一般化可能であることを示す。 提案モデルは,OpenFWI上での最先端性能を実現し,データ駆動型FWIの一般化ギャップを大幅に狭める。
• 参考スコア（独自算出の注目度）: 25.26004497243484
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Full Waveform Inversion (FWI) is a highly nonlinear and ill-posed problem that aims to recover subsurface velocity maps from surface-recorded seismic waveforms data. Existing data-driven FWI typically uses small models, as available datasets have limited volume, geological diversity, and spatial extent, leading to substantial concerns about overfitting. Although they perform well on synthetic datasets, current methods fail to generalize to more realistic geological structures. In this work, we show that a model trained entirely on simulated and relatively simple data can generalize remarkably well to challenging and unseen geological benchmarks. We provide a working recipe that tames a billion-parameter model for FWI through coordinated scaling across three axes: model capacity, data diversity, and training strategy. Our model achieves state-of-the-art performance on OpenFWI and significantly narrows the generalization gap in data-driven FWI. Across six challenging geophysical benchmarks, including Marmousi, 2D SEG/EAGE Salt and Overthrust, 2004 BP, Sigsbee, and SEAM Phase I, it infers complex structures absent from the training set and delivers significant performance improvements (SSIM from 0.5844 to 0.7669). Overall, our results demonstrate that with an appropriate scaling strategy, large models trained on simple synthetic data can achieve substantial generalization to more complex and realistic geological structures.
• Abstract（参考訳）: フルウェーブフォーム・インバージョン(Full Waveform Inversion、FWI)は、表面記録された地震波形データから地下速度マップを復元することを目的とした非線形で不適切な問題である。 既存のデータ駆動型FWIは、利用可能なデータセットのボリューム、地質的な多様性、空間的範囲が制限されているため、通常、小さなモデルを使用する。 合成データセットではうまく機能するが、現在の手法ではより現実的な地質構造に一般化できない。 本研究では、シミュレーションと比較的単純なデータに基づいて完全に訓練されたモデルが、挑戦的かつ見当たらない地質学的ベンチマークに対して驚くほどよく一般化可能であることを示す。 モデルキャパシティ、データの多様性、トレーニング戦略という3つの軸をまたいだスケーリングを通じて、FWIの10億パラメータモデルを利用する作業レシピを提供する。 提案モデルは,OpenFWI上での最先端性能を実現し,データ駆動型FWIの一般化ギャップを大幅に狭める。 Marmousi, 2D SEG/EAGE Salt and Overthrust, 2004 BP, Sigsbee, SEAM Phase I を含む6つの挑戦的な地球物理学のベンチマークでは、トレーニングセットから複雑な構造が欠落しており、大幅な性能改善(SSIM: 0.5844 から 0.7669)が達成されている。 以上の結果から, 単純な合成データに基づいて学習した大規模モデルにより, より複雑で現実的な地質構造への相当な一般化が達成できることが示唆された。

関連論文リスト

• UniSH: Unifying Scene and Human Reconstruction in a Feed-Forward Pass [83.7071371474926]
  UniSHは、統合されたフィードフォワードフレームワークで、共同でメートルスケールの3Dシーンと人間の再構築を行う。 我々のフレームワークは、シーン再構築とHMRとの違いを強く橋渡しします。 本モデルは,人間中心のシーン再構築における最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-01-03T16:06:27Z)
• HD-GEN: A High-Performance Software System for Human Mobility Data Generation Based on Patterns of Life [1.9739979974462676]
  大規模な個人レベルの人体移動データセットの校正、生成、処理、可視化のための包括的ソフトウェアパイプラインを導入する。 データ生成エンジンは、OpenStreetMapデータを用いて地理的に接地されたシミュレーションを構築する。 遺伝的アルゴリズムに基づくキャリブレーションモジュールの微調整パラメータは、実世界の移動特性に適合する。 データ処理スイートは、生のシミュレーションログを下流アプリケーションに適した構造化フォーマットに変換する。
  論文  参考訳（メタデータ） (2026-01-03T16:01:00Z)
• ReconMOST: Multi-Layer Sea Temperature Reconstruction with Observations-Guided Diffusion [48.540756751934836]
  ReconMOSTは多層水温再構築のためのデータ駆動誘導拡散モデルフレームワークである。 提案手法はMLベースのSST再構成をグローバルな多層設定に拡張し,92.5%以上の欠落データを処理する。
  論文  参考訳（メタデータ） (2025-06-12T06:27:22Z)
• Prismatic Synthesis: Gradient-based Data Diversification Boosts Generalization in LLM Reasoning [77.120955854093]
  我々は,データ多様性が言語モデルにおける一般化の強力な予測因子であることを示す。 モデル誘起勾配のエントロピーを通して多様性を定量化する計量であるG-Vendiを導入する。 多様な合成データを生成するためのフレームワークであるPrismatic Synthesisを提案する。
  論文  参考訳（メタデータ） (2025-05-26T16:05:10Z)
• A Large-scale Benchmark on Geological Fault Delineation Models: Domain Shift, Training Dynamics, Generalizability, Evaluation and Inferential Behavior [11.859145373647474]
  本研究は,地震解析における領域シフト戦略のガイドラインを提供するために設計された,最初の大規模ベンチマーク研究である。 私たちのベンチマークでは、モデルアーキテクチャ、データセット、トレーニング戦略を3つのデータセットで200以上組み合わせています。 我々の分析は、ソースとターゲットのデータセットが結合していない場合、一般的な微調整のプラクティスが破滅的な忘れを招きかねないことを示している。
  論文  参考訳（メタデータ） (2025-05-13T13:56:43Z)
• World Model-Based Learning for Long-Term Age of Information Minimization in Vehicular Networks [53.98633183204453]
  本稿では,車載ネットワークにおけるパケット完全性認識情報(CAoI)の年齢を最小化するために,新しい世界モデルに基づく学習フレームワークを提案する。 mmWave V2X環境の動的モデルを共同で学習し、リンクスケジューリングの方法を学ぶための軌跡を想像するために使用する世界モデルフレームワークを提案する。 特に、長期的な政策は環境相互作用の代わりに、異なる想像軌道で学習される。
  論文  参考訳（メタデータ） (2025-05-03T06:23:18Z)
• SMPLest-X: Ultimate Scaling for Expressive Human Pose and Shape Estimation [81.36747103102459]
  表現的人間のポーズと形状推定(EHPS)は、身体、手、顔の動きを多数の応用で統合する。 現在の最先端の手法は、限定されたデータセット上で革新的なアーキテクチャ設計を訓練することに焦点を当てている。 本稿では,EHPSのスケールアップが一般基盤モデルのファミリに与える影響について検討する。
  論文  参考訳（メタデータ） (2025-01-16T18:59:46Z)
• TopoFR: A Closer Look at Topology Alignment on Face Recognition [58.45515807380505]
  PTSAと呼ばれるトポロジカル構造アライメント戦略とSDEという硬質試料マイニング戦略を利用する新しいFRモデルであるTopoFRを提案する。 PTSAは永続ホモロジーを用いて入力空間と潜在空間の位相構造を整列し、構造情報を効果的に保存し、FRモデルの一般化性能を向上させる。 一般的な顔のベンチマーク実験の結果は、最先端の手法よりもTopoFRの方が優れていることを示している。
  論文  参考訳（メタデータ） (2024-10-14T14:58:30Z)
• Seismic Fault SAM: Adapting SAM with Lightweight Modules and 2.5D Strategy for Fault Detection [11.868792440783054]
  本稿では,一般的な事前学習基盤モデルであるSAM(Segment Anything Model)を地震断層解釈に適用した地震断層SAMを提案する。 私たちの革新的なポイントは、軽量なAdapterモジュールの設計、トレーニング済みの重量のほとんどを凍結し、少数のパラメータのみを更新することです。 その結果,OISとODSの双方で既存の3次元モデルを上回る結果が得られた。
  論文  参考訳（メタデータ） (2024-07-19T08:38:48Z)
• Physics-Consistent Data-driven Waveform Inversion with Adaptive Data Augmentation [12.564534712461331]
  我々は、FWI(Full-waveform Inversion)を解くための新しいハイブリッド計算手法を開発した。 トレーニングセットの表現性を向上するデータ拡張戦略を開発する。 本研究では, カルフォルニア州キンベリナの炭素沈殿場に構築された地下地質モデルから得られた弾性地震波形データに本手法を適用した。
  論文  参考訳（メタデータ） (2020-09-03T17:12:55Z)
• MapLUR: Exploring a new Paradigm for Estimating Air Pollution using Deep Learning on Map Images [4.7791671364702575]
  土地利用回帰モデルは, 計測ステーションのない地域での大気汚染濃度を評価する上で重要である。 我々は,オープンかつグローバルなデータのみを用いて,純粋にデータ駆動型アプローチに基づくモデルを実現する,データ駆動型オープングローバル(DOG)パラダイムを提案する。
  論文  参考訳（メタデータ） (2020-02-18T11:21:55Z)

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。