論文の概要: Self-attention summary networks for subsurface velocity-model building from common-image gathers

• arxiv url: http://arxiv.org/abs/2610.09282v1
• Date: Wed, 07 Oct 2026 01:31:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.672253
• Title: Self-attention summary networks for subsurface velocity-model building from common-image gathers
• Title（参考訳）: 一般画像からの地下速度モデル構築のための自己注意要約ネットワーク
• Abstract要約: 本稿では,高次元CIGボリュームをコンパクトなコンディショニング埋め込みにマッピングし,確率的地下速度インバージョンを提案する。 これらの学習された埋め込みは、背景速度ミスマッチによる変動を低減しつつ、オフセット依存構造と空間コヒーレンスを保存する。 特に、マルチスケールのアテンションデザインは、背景モデルのミスマッチに対するロバスト性を高め、より正確な後方再構成と予測の不確実性をもたらす。
• 参考スコア（独自算出の注目度）: 1.0687687274147692
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Common-image gathers (CIGs) contain physically meaningful information about velocity-model errors through reflector focusing and residual moveout, but in conventional imaging workflows they are typically used only as diagnostic tools. In this work, we propose a multiscale self-attention summary network that maps high-dimensional 3D CIG volumes into compact conditioning embeddings for probabilistic subsurface velocity inversion. These learned embeddings preserve offset-dependent kinematic structure and spatial coherence while reducing variability caused by background-velocity mismatch. Conditioned on these summary embeddings, a flow-matching model learns a transport from a Gaussian source distribution to the posterior distribution of plausible velocity fields. Numerical experiments show that, compared with direct conditioning on raw CIGs, the proposed summary network improves posterior velocity inference. In particular, the multiscale attention design provides greater robustness to background-model mismatch, yielding more accurate posterior reconstructions and lower predictive uncertainty.
• Abstract（参考訳）: 共通画像収集(CIG)は、リフレクタフォーカスと残留移動を通して、ベロシティモデルエラーに関する物理的に意味のある情報を含むが、従来の画像ワークフローでは診断ツールとしてのみ使用される。 本研究では,高次元CIGボリュームを,確率的地下速度インバージョンのためのコンパクトな条件付埋め込みにマッピングする多次元自己注意要約ネットワークを提案する。 これらの学習された埋め込みは、背景速度ミスマッチによる変動を低減しつつ、オフセット依存的な運動構造と空間的コヒーレンスを保ちます。 これらの要約埋め込みを条件に、フローマッチングモデルは、ガウス音源分布から可塑性速度場の後方分布への輸送を学習する。 数値実験により, 生CIGの直接条件と比較すると, 提案した要約ネットワークは後部速度推定を改善することがわかった。 特に、マルチスケールのアテンションデザインは、背景モデルのミスマッチに対するロバスト性を高め、より正確な後方再構成と予測の不確実性をもたらす。

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)
• LCPNet: Latent Consistent Proximal Unfolding Network for Infrared Small Target Detection [50.3892176822492]
  赤外線小目標検出(IRSTD)は、複雑な赤外背景から長距離小目標を特定することを目的としている。 深層学習法は、識別的画像-マスクマッピングを学習することでIRSTDを改善した。 深層展開法は、モデル駆動イテレーションをニューラルネットワークに埋め込むことによって、この問題に部分的に対処する。 これらの制約に対処するために,Latent Consistent Proximal Unfolding Network (LCPNet)を提案する。
  論文  参考訳（メタデータ） (2026-07-06T02:15:09Z)
• LUCID: Learned Undersampling-Adaptive Consistency-Guided Inference with Deterministic Flow Matching for Sparse-View CT Reconstruction [6.182438051513934]
  スパースビューCTはプロジェクションビューを減らすことで放射線線量と走査時間を短縮する。 角のアンダーサンプリングは、復元がひどく悪化し、ストリークアーティファクト、構造的なぼやけ、細部が失われる。 スパース・ビューCTに先立って,フローマッチング生成に基づく疎結合型一貫性誘導型再構成フレームワークであるLucidを提案する。
  論文  参考訳（メタデータ） (2026-06-15T04:38:30Z)
• Timestep Rescheduling in Diffusion Inversion [79.30105376216544]
  ノイズスケジューラにおける拡散時間ステップの選択が逆忠実度にどのように影響するかを示す。 本稿では,グローバルな再スケーリングとローカルな動的プログラミングに基づく再スケジューリングを統合した,シンプルで効果的な非一様タイムスケジューラを提案する。 本手法は,既存のインバージョン手法の既製の拡張として機能し,余分なパラメータや計算オーバーヘッドを必要としない。
  論文  参考訳（メタデータ） (2026-06-13T16:32:01Z)
• OBS-Diff: Accurate Pruning For Diffusion Models in One-Shot [4.990334603434127]
  OBS-Diffは、大規模テキスト・画像拡散モデルの正確かつトレーニング不要な圧縮を可能にする、新しいワンショットプルーニングフレームワークである。 広汎な実験により、OBS-Diffは拡散モデルに対する最先端のワンショットプルーニングを実現し、視覚的品質の最小限の劣化を伴う推論加速を実現する。
  論文  参考訳（メタデータ） (2025-10-08T08:19:15Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。 標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-03T09:29:47Z)
• SING: Semantic Image Communications using Null-Space and INN-Guided Diffusion Models [52.40011613324083]
  近年, 無線画像伝送において, 共用音源チャネル符号化システム (DeepJSCC) が顕著な性能を発揮している。 既存の手法では、送信された画像とレシーバーの再構成されたバージョンとの間の歪みを最小限に抑えることに重点を置いており、しばしば知覚的品質を見落としている。 逆問題として,破損した再構成画像から高品質な画像の復元を定式化する新しいフレームワークであるSINGを提案する。
  論文  参考訳（メタデータ） (2025-03-16T12:32:11Z)
• pcaGAN: Improving Posterior-Sampling cGANs via Principal Component Regularization [11.393603788068777]
  画像逆問題では、観測された測定値と真の画像の事前知識の両方に適合する仮説が多数存在する。 本稿では, 高速かつ高精度な後サンプリング条件生成対向ネットワーク (cGAN) を提案する。
  論文  参考訳（メタデータ） (2024-11-01T14:09:28Z)
• Spatial-Temporal Transformer based Video Compression Framework [44.723459144708286]
  本稿では,STT-VC(Spatial-Temporal Transformer based Video Compression)フレームワークを提案する。 動作推定と補償のためのオフセット推定のためのUformerベースのオフセット推定を備えたRelaxed Deformable Transformer (RDT)と、予測改善のためのマルチ参照フレームに基づくMulti-Granularity Prediction (MGP)モジュールと、時間空間的継手残留圧縮を効率的に行うSpatial Feature Distribution prior based Transformer (SFD-T)を含む。 実験の結果,VTMよりも13.5%のBD-Rateを節約できることがわかった。
  論文  参考訳（メタデータ） (2023-09-21T09:23:13Z)

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。