論文の概要: Conditional Rectified Flow-based End-to-End Rapid Seismic Inversion Method

• arxiv url: http://arxiv.org/abs/2603.15354v1
• Date: Mon, 16 Mar 2026 14:36:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 18:28:58.484239
• Title: Conditional Rectified Flow-based End-to-End Rapid Seismic Inversion Method
• Title（参考訳）: コンディショナル・リクティファイドフローに基づくエンドツーエンド高速地震インバージョン法
• Authors: Haofei Xu, Wei Cheng, Sizhe Li, Jie Xiong,
• Abstract要約: 本稿では,条件整流に基づくエンドツーエンドの高速地震インバージョン手法を提案する。 実験の結果,提案手法はOpenFWIベンチマークデータセット上で優れた逆変換精度を実現することがわかった。
• 参考スコア（独自算出の注目度）: 18.530012799074285
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Seismic inversion is a core problem in geophysical exploration, where traditional methods suffer from high computational costs and are susceptible to initial model dependence. In recent years, deep generative model-based seismic inversion methods have achieved remarkable progress, but existing generative models struggle to balance sampling efficiency and inversion accuracy. This paper proposes an end-to-end fast seismic inversion method based on Conditional Rectified Flow[1], which designs a dedicated seismic encoder to extract multi-scale seismic features and adopts a layer-by-layer injection control strategy to achieve fine-grained conditional control. Experimental results demonstrate that the proposed method achieves excellent inversion accuracy on the OpenFWI[2] benchmark dataset. Compared with Diffusion[3,4] methods, it achieves sampling acceleration; compared with InversionNet[5,6,7] methods, it achieves higher accuracy in generation. Our zero-shot generalization experiments on Marmousi[8,9] real data further verify the practical value of the method. Experimental results show that the proposed method achieves excellent inversion accuracy on the OpenFWI benchmark dataset; compared with Diffusion methods, it achieves sampling acceleration while maintaining higher accuracy than InversionNet methods; experiments based on the Marmousi standard model further verify that this method can generate high-quality initial velocity models in a zero-shot manner, effectively alleviating the initial model dependency problem in traditional Full Waveform Inversion (FWI), and possesses industrial practical value.
• Abstract（参考訳）: 地震の逆転は物理探査における中心的な問題であり、従来の手法は計算コストが高く、初期モデル依存に影響を受けやすい。 近年, 深部生成モデルに基づく地震インバージョン法は顕著な進歩を遂げているが, 既存の生成モデルではサンプリング効率とインバージョン精度のバランスがとれている。 本稿では, マルチスケール地震特性を抽出する専用地震エンコーダを設計し, 微粒な条件制御を実現するため, 層間注入制御方式を採用した条件整流流[1]に基づくエンドツーエンドの高速地震インバージョン手法を提案する。 実験の結果,提案手法はOpenFWI[2]ベンチマークデータセット上で優れた逆変換精度を実現することがわかった。 Diffusion[3,4]法と比較してサンプリングアクセラレーションを実現しており、InversionNet[5,6,7]法と比較すると、生成時の精度が高い。 Marmousi[8,9]実データに対するゼロショット一般化実験により,本手法の有効性がさらに検証された。 実験の結果,提案手法はOpenFWIベンチマークデータセット上で優れたインバージョン精度を実現し,Diffusion法と比較して,InversionNet法よりも高い精度を維持しながらサンプリング高速化を実現し,Marmousi標準モデルに基づく実験により,この手法がゼロショット方式で高品質な初期速度モデルを生成することができること,従来のフルウェーブフォーム・インバージョン(FWI)における初期モデル依存性問題を効果的に緩和し,産業的実用価値を有すること,などが確認された。

関連論文リスト

• Path-Guided Flow Matching for Dataset Distillation [9.761850986508895]
  本稿では, 数ステップでODEを解くことで, 高速な決定論的合成を可能にする, 生成蒸留のための最初のフローマッチングに基づくフレームワークを提案する。 本研究では, ODE-consistent path control のための連続経路-プロトタイプ誘導アルゴリズムを開発し, トラジェクトリが割り当てられたプロトタイプに確実に着地できるようにする。
  論文  参考訳（メタデータ） (2026-02-05T12:52:32Z)
• Industrial Steel Slag Flow Data Loading Method for Deep Learning Applications [0.20999222360659606]
  鉄鋼鋳造プロセスはスラグ流汚染による財政的損失に弱い。 本研究では, 産業用鋼製鋳物から収集した振動データを用いたクロスドメイン診断手法を提案する。
  論文  参考訳（メタデータ） (2025-08-21T20:48:11Z)
• SCoT: Unifying Consistency Models and Rectified Flows via Straight-Consistent Trajectories [31.60548236936739]
  本研究では,事前学習した拡散モデルに対する直線一貫性軌道(SCoT)モデルを提案する。 SCoTは、高速サンプリングのための両方のアプローチの利点を享受し、一貫した特性と直線的な性質のトラジェクトリを同時に生成する。
  論文  参考訳（メタデータ） (2025-02-24T08:57:19Z)
• A First-order Generative Bilevel Optimization Framework for Diffusion Models [57.40597004445473]
  拡散モデルは、データサンプルを反復的に分解して高品質な出力を合成する。 従来の二値法は無限次元の確率空間と禁制的なサンプリングコストのために失敗する。 我々はこの問題を生成的二段階最適化問題として定式化する。 従来の2段階法と拡散過程の非互換性を克服する。
  論文  参考訳（メタデータ） (2025-02-12T21:44:06Z)
• Arbitrary-steps Image Super-resolution via Diffusion Inversion [68.78628844966019]
  本研究では,拡散インバージョンに基づく新しい画像超解像(SR)手法を提案する。 本研究では,拡散モデルの中間状態を構築するための部分雑音予測戦略を設計する。 トレーニングが完了すると、このノイズ予測器を使用して、拡散軌道に沿ってサンプリングプロセスを部分的に初期化し、望ましい高分解能結果を生成する。
  論文  参考訳（メタデータ） (2024-12-12T07:24:13Z)
• Fast Sampling of Diffusion Models via Operator Learning [74.37531458470086]
  我々は,拡散モデルのサンプリング過程を高速化するために,確率フロー微分方程式の効率的な解法であるニューラル演算子を用いる。 シーケンシャルな性質を持つ他の高速サンプリング手法と比較して、並列復号法を最初に提案する。 本稿では,CIFAR-10では3.78、ImageNet-64では7.83の最先端FIDを1モデル評価環境で達成することを示す。
  論文  参考訳（メタデータ） (2022-11-24T07:30:27Z)
• Distributed Dynamic Safe Screening Algorithms for Sparse Regularization [73.85961005970222]
  本稿では,分散動的安全スクリーニング(DDSS)手法を提案し,共有メモリアーキテクチャと分散メモリアーキテクチャにそれぞれ適用する。 提案手法は, 線形収束率を低次複雑度で達成し, 有限個の繰り返しにおいてほとんどすべての不活性な特徴をほぼ確実に除去できることを示す。
  論文  参考訳（メタデータ） (2022-04-23T02:45:55Z)
• Data-driven Full-waveform Inversion Surrogate using Conditional Generative Adversarial Networks [0.0]
  フル波形インバージョン(FWI)速度モデリングは、正確で詳細な速度場モデルを提供する反復的な高度な技術です。 本研究では,複数の入力を持つ条件付き生成逆数ネットワーク(cGAN)を用いて,FWIによって得られた速度場モデルを生成する手法を提案する。
  論文  参考訳（メタデータ） (2021-04-30T21:41:24Z)

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。