論文の概要: Physical-State-Guided Diffusion Sampling for Full-Waveform Inversion

• arxiv url: http://arxiv.org/abs/2609.12899v1
• Date: Fri, 11 Sep 2026 14:25:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.775578
• Title: Physical-State-Guided Diffusion Sampling for Full-Waveform Inversion
• Title（参考訳）: フルウェーブフォームインバージョンのための物理状態誘導拡散サンプリング
• Abstract要約: 物理状態誘導拡散サンプリング(PSG)を提案する。 PSGはガウス橋を経由する前の拡散に永続的な物理的速度を結合する。 4つのOpenFWIファミリーにおいて、PSGの端末は古典的および拡散的ベースラインよりも優れた推定値を示した。
• 参考スコア（独自算出の注目度）: 3.497341516063219
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Full waveform inversion (FWI) estimates subsurface velocity from seismic recordings, but its ill-posedness and nonlinearity make accurate reconstruction strongly dependent on initialization and prior information. Diffusion posterior sampling provides a learned geological prior, yet directly coupling its denoiser to the nonlinear wave solver can yield unreliable physical guidance. We propose Physical-State-Guided Diffusion Sampling (PSG), which couples a persistent physical velocity to the diffusion prior through a Gaussian bridge. The physical state is refined by waveform fitting regularized by the denoised velocity, and in turn guides the reverse diffusion process. This formulation separates the wave-equation and denoiser gradients while preserving conventional FWI initialization and accumulated optimization history. On four OpenFWI families, PSG's terminal denoised estimates outperform classical and diffusion-based baselines under clean and missing-trace acquisitions and maintain strong structural recovery under measurement noise. Repeated stochastic runs preserve the dominant geological structures, with ensemble variability concentrated near geological interfaces and positively associated with local inversion error. A frozen OpenFWI-trained prior further supports inversion of the larger Marmousi, Overthrust, and BP2004 Salt models, recovering complex geological structures without retraining.
• Abstract（参考訳）: フルウェーブフォーム・インバージョン(FWI)は、地震記録から地下の速度を推定するが、その不確かさと非線形性は、初期化と事前情報に強く依存する。 拡散後サンプリングは、地質学的な先行性を提供するが、非線形波解法と直接結合することで、信頼性の低い物理ガイダンスが得られる。 本稿では,ガウス橋を経由した拡散に持続的な物理的速度を結合する物理状態誘導拡散サンプリング(PSG)を提案する。 物理状態は、偏光速度によって規則化された波形フィッティングにより洗練され、次に逆拡散過程を導く。 この定式化は、従来のFWI初期化と累積最適化履歴を保持しながら、波動方程式とデノイザ勾配を分離する。 4つのOpenFWIファミリーにおいて、PSGの端末は、清潔で欠落したトレース取得の下で古典的および拡散ベースのベースラインを上回り、測定ノイズ下での強い構造回復を維持する。 繰り返し確率的ランニングは支配的な地質構造を保ち、アンサンブル変動は地質界面付近に集中し、局所的な逆転誤差と正の相関を持つ。 凍結したOpenFWIで訓練された前者は、より大きなマルムーシ、オーバースルースト、BP2004ソルトモデルの逆転をサポートし、再訓練せずに複雑な地質構造を復元した。

関連論文リスト

• Making Every Step Count: Spatio-Temporal Information Allocation for Imaging Inverse Problems [63.904793414062816]
  スペクトルベーススケジューリング(SAS)と計測分割アテンション(MPA)の2つの補完的およびトレーニング不要なコンポーネントを紹介する。 SASは、利用可能なNFEを、スペクトルおよびlogSNR幾何に従ってフロータイムに分散し、セマンティック探索と詳細精細化のバランスを良くする。 MPAは情報を弱い制約のある領域へ誘導し、意味的および構造的忠実性を高める。
  論文  参考訳（メタデータ） (2026-08-12T07:39:22Z)
• WaveFreqAnchor: Wave-Structural Anchoring and Frequency Correction Diffusion for Training-Free Face Restoration [22.463138159431196]
  WaveFreqAnchorは、Wave- Structure Anchoringと周波数補正拡散に基づく、トレーニング不要のフレームワークである。 MWFIは、予測された低周波サブバンドを位相を置き換え、逆拡散時に蓄積される不整合を補正することによって観測と整合させる。 サブバンド高周波数強調(SHE)は、予測された高周波サブバンドに対して境界付き、空間的にマスクされた改善を行い、微細な顔の詳細を復元する。
  論文  参考訳（メタデータ） (2026-08-07T02:23:25Z)
• Joint Velocity Slope Diffusion Prior for Structurally Constrained Velocity Model Building [2.918495824907998]
  疎雑なウェルログ情報から速度モデル再構成を行うための拡散誘導フレームワークを提案する。 提案手法は、平面波PDE正則化、構造プレコンディションインバージョン、測定誘導拡散後サンプリングを組み合わせたものである。 ボルブ合成モデルとバイキンググラベン場データセットの数値実験により,提案手法は構造的連続性,横方向の整合性,地質的リアリズムを改善することを示した。
  論文  参考訳（メタデータ） (2026-07-06T12:18:13Z)
• Learning Spatio-Temporal Foundation Models from Pure Synthetic Data [85.23980441738811]
  NeoSTは、現実バイアスに対するスケーラブルな合成学習コーパスであり、複数の将来の軌跡を反復的に生成・洗練する潜在空間推論アーキテクチャであり、構造的ダイナミクスを強調し、分散シフトの下で推論時間補正を可能にする潜在空間目的である。 様々な実世界のベンチマークによる大規模な実験は、NeoSTが様々な実世界の時間系において既存のSTFMより一貫して優れていることを示している。
  論文  参考訳（メタデータ） (2026-06-27T02:56:46Z)
• Decoupled Latent Optimization of Diffusion Models for Full Waveform Inversion [4.293965179144764]
  フルウェーブフォーム・インバージョン(FWI)は、高度に不規則な2次PDE速度最適化を解くことで、記録から地下の速度を回復する。 最近の拡散優先法は、標準定式化と事前整合性の間の脆弱なトレードオフを犠牲にして現実性を改善する。 そこで本稿では,潜時費用目標を補助的物理変数と潜時変数に対する潜時費用目標に緩和するDe Latent Optimization (DLO)を提案する。 OpenFWIベンチマークでは、DLOは古典的正規化器や既存の拡散ベースのメソッドよりもクリーンでノイズがあり、トラスが不足している。
  論文  参考訳（メタデータ） (2026-06-12T05:55:10Z)
• Physics-Informed Generative Solver: Bridging Data-Driven Priors and Conservation Laws for Stable Spatiotemporal Field Reconstruction [19.98127585683643]
  物理インフォームド・ジェネレーティブ・ソルバを導入し、安定した事前学習と保存法の推論時適用を分離する。 音響学において、この方法はスパースセンサーから圧力と粒子速度を共同生成し、空間エイリアスを抑制する高密度仮想アレイを可能にする。 同じ枠組みは、現実世界のERA5気象分野に極端に広い範囲で一般化する。
  論文  参考訳（メタデータ） (2026-05-21T11:24:48Z)
• Unveiling the Mechanism of Continuous Representation Full-Waveform Inversion: A Wave Based Neural Tangent Kernel Framework [52.632217600064344]
  フルウェーブフォーム・インバージョン(FWI)は、限られた測定値から波動方程式の物理パラメータを推定する。 FWI法は初期モデルの精度に対する悪名高い感度によって制限されている。 連続表現 FWI (CR-FWI) の最近の進歩は、暗黙的ニューラル表現 (INR) のような座標ベースニューラルネットワークによるパラメータモデルを表現することで、初期モデルへの依存を緩和できることを実証している。
  論文  参考訳（メタデータ） (2026-03-23T03:22:33Z)
• Robust Physics-Guided Diffusion for Full-Waveform Inversion [2.6103658153756917]
  我々は、スコアベースの生成前と、波動方程式シミュレーションによって計算された可能性ガイダンスを組み合わせたフルウェーブフォームインバージョンのための物理誘導拡散フレームワークを開発する。 我々は、有界重み付けと観測依存正規化による波動場拡張を取り入れた輸送型データ一貫性電位(Wasserstein-2)を採用した。 推論側では、逆時間力学全体にわたって誘導強度と空間的スケーリングを適応させる事前条件付き逆拡散方式を導入する。
  論文  参考訳（メタデータ） (2026-03-17T11:27:37Z)
• Restoration Score Distillation: From Corrupted Diffusion Pretraining to One-Step High-Quality Generation [82.39763984380625]
  Score Distillation (DSD) の原理的一般化である textitRestoration Score Distillation (RSD) を提案する。 RSDは、ぼやけた画像、不完全画像、低解像度画像など、広範囲の汚職タイプに対応している。 自然と科学の両方のデータセットの様々な復元作業において、教師モデルを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-05-19T17:21:03Z)
• DispFormer: A Pretrained Transformer Incorporating Physical Constraints for Dispersion Curve Inversion [56.64622091009756]
  本研究では、レイリー波位相と群分散曲線からプロファイルインバージョンを$v_s$とするトランスフォーマーベースのニューラルネットワークであるDispFormerを紹介する。 DispFormerは各期間に分散データを個別に処理し、ネットワークの変更やデータセットのトレーニングとテストの厳格な調整を必要とせずに、さまざまな長さを処理できる。
  論文  参考訳（メタデータ） (2025-01-08T09:08:24Z)
• Diffusion State-Guided Projected Gradient for Inverse Problems [82.24625224110099]
  逆問題に対する拡散状態ガイド型射影勾配(DiffStateGrad)を提案する。 DiffStateGrad は拡散過程の中間状態の低ランク近似である部分空間に測定勾配を投影する。 DiffStateGradは、測定手順のステップサイズとノイズの選択によって拡散モデルのロバスト性を向上させる。
  論文  参考訳（メタデータ） (2024-10-04T14:26:54Z)
• 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)
• DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [80.20339155618612]
  DiffusionADは、再構成サブネットワークとセグメンテーションサブネットワークからなる、新しい異常検出パイプラインである。 高速なワンステップデノゲーションパラダイムは、同等の再現品質を維持しながら、数百倍の加速を達成する。 異常の出現の多様性を考慮し、複数のノイズスケールの利点を統合するためのノルム誘導パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-03-15T16:14:06Z)

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。