論文の概要: SIGMA: A Physics-Based Benchmark for Gas Chimney Understanding in Seismic Images
- arxiv url: http://arxiv.org/abs/2603.23439v1
- Date: Tue, 24 Mar 2026 17:12:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-25 19:53:37.604292
- Title: SIGMA: A Physics-Based Benchmark for Gas Chimney Understanding in Seismic Images
- Title（参考訳）: SIGMA:地震画像におけるガス煙突理解のための物理に基づくベンチマーク
- Authors: Bao Truong, Quang Nguyen, Baoru Huang, Jinpei Han, Van Nguyen, Ngan Le, Minh-Tan Pham, Doan Huy Hien, Anh Nguyen,
- Abstract要約: ガス煙突(英: gas chimneys)は、地下の流体移動によって引き起こされる垂直な異常である。
従来の物理学に基づく手法は計算コストが高く、モデルエラーに敏感である。
ディープラーニングは効率的な代替手段を提供するが、ラベル付きデータセットはない。
- 参考スコア（独自算出の注目度）: 19.025233133609884
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Seismic images reconstruct subsurface reflectivity from field recordings, guiding exploration and reservoir monitoring. Gas chimneys are vertical anomalies caused by subsurface fluid migration. Understanding these phenomena is crucial for assessing hydrocarbon potential and avoiding drilling hazards. However, accurate detection is challenging due to strong seismic attenuation and scattering. Traditional physics-based methods are computationally expensive and sensitive to model errors, while deep learning offers efficient alternatives, yet lacks labeled datasets. In this work, we introduce \textbf{SIGMA}, a new physics-based dataset for gas chimney understanding in seismic images, featuring (i) pixel-level gas-chimney mask for detection and (ii) paired degraded and ground-truth image for enhancement. We employed physics-based methods that cover a wide range of geological settings and data acquisition conditions. Comprehensive experiments demonstrate that SIGMA serves as a challenging benchmark for gas chimney interpretation and benefits general seismic understanding.
- Abstract（参考訳）: 地震画像は、地中反射率をフィールド記録から再構築し、探索と貯水池モニタリングを誘導する。
ガス煙突(英: gas chimneys)は、地下の流体移動によって引き起こされる垂直な異常である。
これらの現象を理解することは、炭化水素のポテンシャルを評価し、掘削の危険を避けるために重要である。
しかし、地震の減衰と散乱が強いため、正確な検出は困難である。
従来の物理ベースの手法は計算コストが高く、モデルエラーに敏感であり、ディープラーニングは効率的な代替手段を提供するが、ラベル付きデータセットは欠落している。
本研究では,地震画像におけるガス煙突理解のための物理に基づく新しいデータセットである \textbf{SIGMA} を紹介する。
一 検出及び検出のための画素レベルのガス煙突マスク
(II)高精細化のための2対の劣化画像と接地構造画像。
我々は、幅広い地質条件とデータ取得条件をカバーする物理に基づく手法を採用した。
総合的な実験により、SIGMAはガス煙突の解釈の挑戦的なベンチマークとして機能し、一般的な地震の理解に役立っていることが示されている。
関連論文リスト
- PhysFire-WM: A Physics-Informed World Model for Emulating Fire Spread Dynamics [46.81004231857954]
本稿では,ファイアスプレッドダイナミクスをエミュレートする物理インフォームド・ワールドモデルであるPhysFire-WMを紹介する。
本手法は, 物理シミュレータから構造化前処理を符号化することで燃焼力学を内部化し, 物理差を補正する。
ファイアスプレッド予測におけるPhysFire-WMの精度は, きめ細かいマルチモーダル火災データセットの実験により向上した。
論文 参考訳（メタデータ） (2025-12-19T01:16:40Z) - Reservoir-enhanced Segment Anything Model for Subsurface Diagnosis [24.223897705640105]
都市部の道路やインフラは、市の運営に欠かせないものであり、ひび割れやキャビティのような地下の異常から増大する脅威に直面している。
地中貫入レーダ(GPR)は、電磁波(EM)を用いた地下条件を効果的に可視化する。
しかし、GPRによる正確な異常検出は、限られたラベル付きデータ、異なる地下条件、不特定ターゲット境界により、依然として困難である。
本稿では,GPRデータの視覚的識別性と波動変化特性を両立させるため,Reservoir-enhanced Segment Anything Model (Res-SAM)を提案する。
論文 参考訳（メタデータ） (2025-04-26T05:13:22Z) - PIGUIQA: A Physical Imaging Guided Perceptual Framework for Underwater Image Quality Assessment [59.9103803198087]
水中画像品質評価(UIQA)のための物理画像ガイド型知覚フレームワークを提案する。
水中放射移動理論を応用して、物理に基づく画像推定を統合して、これらの歪みの定量的な測定値を確立する。
提案モデルは,画像品質のスコアを正確に予測し,最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-12-20T03:31:45Z) - STHN: Deep Homography Estimation for UAV Thermal Geo-localization with Satellite Imagery [15.135871604577444]
粗大から細い深部ホログラフィー推定手法を用いたUAV熱ジオローカライズ手法を提案する。
この方法は、UAVの最後の位置から半径512メートル以内で、信頼性の高い熱的位置決めを可能にする。
論文 参考訳（メタデータ） (2024-05-30T20:41:12Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳（メタデータ） (2023-08-24T12:32:46Z) - Autonomous Detection of Methane Emissions in Multispectral Satellite
Data Using Deep Learning [73.01013149014865]
メタンは最も強力な温室効果ガスの1つである。
現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。
深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
論文 参考訳（メタデータ） (2023-08-21T19:36:50Z) - A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。
このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文 参考訳（メタデータ） (2022-06-13T19:14:06Z) - Thermal to Visible Image Synthesis under Atmospheric Turbulence [67.99407460140263]
バイオメトリックスや監視では、低照度と夜間の条件下での撮像に熱画像モダリティがしばしば用いられる。
このような画像システムは、しばしば大気の乱れに悩まされ、撮像された画像に激しいぼやけや変形のアーチファクトをもたらす。
熱画像を直接可視光画像に変換するエンド・ツー・エンドの再構成法を提案する。
論文 参考訳（メタデータ） (2022-04-06T19:47:41Z) - Ill-posed Surface Emissivity Retrieval from Multi-Geometry
HyperspectralImages using a Hybrid Deep Neural Network [0.0]
大気補正はリモートセンシングの基本的な課題である。
マルチスキャンハイパースペクトルデータを用いた自動大気補正のために,幾何依存型ハイブリッドニューラルネットワークを提案する。
その結果,提案ネットワークは,29の異なる物質に対して0.02以下の平均絶対誤差 (MAE) で大気特性を正確に評価し,目標放射率スペクトルを推定する能力を有することがわかった。
論文 参考訳（メタデータ） (2021-07-09T18:59:58Z)
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。