論文の概要: Customizing Large Vision Model-Guided Low-Rank Approximation for Ground-Roll Denoise

• arxiv url: http://arxiv.org/abs/2604.00998v1
• Date: Wed, 01 Apr 2026 14:59:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:32.047663
• Title: Customizing Large Vision Model-Guided Low-Rank Approximation for Ground-Roll Denoise
• Title（参考訳）: グランドロールデノイズに対する大規模ビジョンモデル誘導低ランク近似のカスタマイズ
• Authors: Jiacheng Liao, Feng Qian, Ziyin Fan, Yongjian Guo,
• Abstract要約: 地すべりは、陸域および垂直地震探査(VSP)データにおけるコヒーレントノイズの主要な原因である。 本稿では,意味誘導信号分離問題としてグラウンドロール減衰を再構成する学習自由フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 4.536244262111516
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ground-roll is a dominant source of coherent noise in land and vertical seismic profiling (VSP) data, severely masking reflection events and degrading subsequent imaging and interpretation. Conventional attenuation methods, including transform-domain filtering, sparse representation, and deep learning, often suffer from limited adaptability, signal leakage, or dependence on labeled training data, especially under strong signal-noise overlap. To address these challenges, we propose a training-free framework that reformulates ground-roll attenuation as a semantic-guided signal separation problem. Specifically, a promptable large vision model is employed to extract high-level semantic priors by converting seismic gathers into visual representations and localizing ground-roll-dominant regions via text or image prompts. The resulting semantic response is transformed into a continuous soft mask, which is embedded into a mask-conditioned low-rank inverse formulation to enable spatially adaptive suppression and reflection-preserving reconstruction. An efficient alternating direction method of multipliers (ADMM)-based solver is further developed to solve the proposed inverse problem, enabling stable and physically consistent signal recovery without requiring task-specific training or manual annotation. Extensive experiments on both synthetic and field VSP datasets demonstrate that the proposed method achieves superior ground-roll attenuation while preserving reflection continuity and waveform fidelity, consistently outperforming representative transform-domain filtering and implicit neural representation methods.
• Abstract（参考訳）: グラウンドロールは、陸域および垂直地震探査(VSP)データにおけるコヒーレントノイズの主要な源であり、反射現象を著しく隠蔽し、その後のイメージングと解釈を劣化させる。 変換ドメインフィルタリング、スパース表現、ディープラーニングといった従来の減衰法は、適応性や信号漏れ、ラベル付きトレーニングデータへの依存、特に強い信号と雑音の重なりに悩まされることが多い。 これらの課題に対処するために,意味誘導信号分離問題としてグラウンドロール減衰を再構成する学習自由フレームワークを提案する。 具体的には, 地震の集合体を視覚表現に変換し, テキストや画像のプロンプトを介して地すべり優位領域を局所化することにより, 高レベルのセマンティックオーディエンスを抽出するために, プロンプト可能な大型視覚モデルを用いる。 結果として生じるセマンティック応答は、連続したソフトマスクに変換され、マスク条件の低ランク逆数定式化に埋め込まれ、空間適応的抑圧と反射保存的再構成を可能にする。 タスク固有のトレーニングや手動のアノテーションを必要とせずに、安定かつ物理的に一貫した信号回復を可能にする。 合成VSPデータセットとフィールドVSPデータセットの広汎な実験により,提案手法は反射連続性と波形の忠実性を保ちながら優れたグラウンドロール減衰を実現し,代表的変換ドメインフィルタリングと暗黙的ニューラル表現法を一貫して上回ることを示した。

関連論文リスト

• Enhancing Gradient Inversion Attacks in Federated Learning via Hierarchical Feature Optimization [56.95448807869383]
  フェデレートラーニング(FL)は、プライバシを保存する分散機械学習の魅力的なパラダイムとして登場した。 近年の研究では、FLシステムで交換される勾配もプライバシー漏洩に弱いことが報告されている。 我々は textbfGradient textbfInversion over textbfFeature textbfDomains (GIFD) を提案する。
  論文  参考訳（メタデータ） (2026-04-01T14:32:15Z)
• Frequency Domain-Based Diffusion Model for Unpaired Image Dehazing [92.61216319417208]
  そこで本稿では,未確認データにおける有益な知識を十分に活用するための,新しい周波数領域ベース拡散モデルを提案する。 拡散モデル(DM)が示す強い生成能力に着想を得て,周波数領域再構成の観点からデハージング課題に取り組む。
  論文  参考訳（メタデータ） (2025-07-02T01:22:46Z)
• Seismic Acoustic Impedance Inversion Framework Based on Conditional Latent Generative Diffusion Model [17.677087517318988]
  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。
  論文  参考訳（メタデータ） (2025-06-16T14:19:40Z)
• Multimodal LLM-Guided Semantic Correction in Text-to-Image Diffusion [52.315729095824906]
  MLLM Semantic-Corrected Ping-Pong-Ahead Diffusion (PPAD) は,マルチモーダル大言語モデル(MLLM)を推論中の意味的オブザーバとして導入する新しいフレームワークである。 中間世代をリアルタイムに分析し、潜在意味的不整合を識別し、フィードバックを制御可能な信号に変換し、残りの認知ステップを積極的に導く。 大規模な実験ではPPADの大幅な改善が示されている。
  論文  参考訳（メタデータ） (2025-05-26T14:42:35Z)
• PreAdaptFWI: Pretrained-Based Adaptive Residual Learning for Full-Waveform Inversion Without Dataset Dependency [8.719356558714246]
  フルウェーブフォーム・インバージョン(Full-waveform Inversion、FWI)は、地震データを用いて地下媒体の物理パラメータを反転させる手法である。 異常な性質のため、FWIは局所的なミニマに閉じ込められやすい。 ニューラルネットワークとFWIを組み合わせることで、インバージョンプロセスの安定化が試みられている。
  論文  参考訳（メタデータ） (2025-02-17T15:30:17Z)
• 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)
• Uncertainty-Aware Source-Free Adaptive Image Super-Resolution with Wavelet Augmentation Transformer [60.31021888394358]
  Unsupervised Domain Adaptation (UDA)は、現実世界の超解像(SR)における領域ギャップ問題に効果的に対処できる 本稿では,画像SR(SODA-SR)のためのSOurce-free Domain Adaptationフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-31T03:14:44Z)

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。