論文の概要: MetaPOCS: Meta-Learned Multi-Exit Unfolding for Budget-Aware Seismic Data Interpolation
- arxiv url: http://arxiv.org/abs/2611.02478v1
- Date: Mon, 02 Nov 2026 03:53:00 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-03 20:08:54.455701
- Title: MetaPOCS: Meta-Learned Multi-Exit Unfolding for Budget-Aware Seismic Data Interpolation
- Title（参考訳）: MetaPOCS:Budget-Aware 地震データ補間のためのメタラーニング・マルチエグジット・アンフォールディング
- Abstract要約: 本稿では,メタ学習型マルチエクイット展開フレームワークMetaPOCSについて紹介する。
空間スペクトルPOCS再構成バックボーン上に構築されたMetaPOCSは、中間段階を監督し、取得した痕跡を各出口で保存する。
得られた核融合ハイパーグラディエントを導出し、外部目標が競合する更新をどのように再配置するかを特徴付けるとともに、このメカニズムをスカラー損失再重み付けと区別する。
- 参考スコア（独自算出の注目度）: 6.566107611652858
- License:
- Abstract: Seismic data interpolation must reconcile reconstruction fidelity with the computational budgets of acquisition quality control and subsequent imaging. Fixed-depth unfolding networks are optimized for a single operating point, whereas their intermediate estimates may be insufficiently trained for early deployment. We present MetaPOCS, a meta-learned multi-exit unfolding framework for budget-aware seismic interpolation. Building on a spatial--spectral POCS reconstruction backbone, MetaPOCS supervises intermediate stages and preserves the acquired traces at every exit. A Meta-GF-based optimization procedure constructs exit-oriented parameter displacements from a common initialization and learns their fusion weights through an equal-exit outer objective. The weights vary across parameter tensors and respect the nested support of the reconstruction stages. We derive the resulting fusion hypergradient to characterize how the outer objective reallocates competing updates, and distinguish this mechanism from scalar loss reweighting. At inference, one checkpoint provides a set of reconstruction budgets through a latency-calibrated exit policy. The evaluation framework couples matched-cost interpolation comparisons with finite-update diagnostics and a fixed reverse-time-migration operator, connecting multi-exit optimization to waveform and imaging fidelity. MetaPOCS thus provides a unified formulation for studying the reconstruction--computation trade-off of seismic unfolding across deployment budgets.
- Abstract（参考訳）: 地震データの補間は, 取得品質制御とその後のイメージングの計算予算と, 再構成の忠実さを一致させる必要がある。
固定深度展開ネットワークは単一の運用ポイントに最適化されているが、中間見積は初期展開のために不十分に訓練されている可能性がある。
本稿では,メタ学習型マルチエクイット展開フレームワークであるMetaPOCSについて紹介する。
空間スペクトルPOCS再構成バックボーン上に構築されたMetaPOCSは、中間段階を監督し、取得した痕跡を各出口で保存する。
メタGFに基づく最適化手法は、共通初期化から出口方向パラメータの変位を推定し、その融合重みを等しい外部目的によって学習する。
重みはパラメータテンソルによって異なり、再建段階のネストされた支持を尊重する。
得られた核融合ハイパーグラディエントを導出し、外部目標が競合する更新をどのように再配置するかを特徴付けるとともに、このメカニズムをスカラー損失再重み付けと区別する。
推測では、あるチェックポイントは、遅延校正された出口ポリシーを通じて、再建予算のセットを提供する。
評価フレームワークは、有限更新診断と固定逆時間移行演算子とのコスト補間比較に一致し、波形と画像の忠実度に多重出力最適化を接続する。
そのため、MetaPOCSは、展開予算をまたいで展開される地震の復旧-計算トレードオフを研究するための統一的な定式化を提供する。
関連論文リスト
- PosePlaner: Denoising Any Feed-Forward Pose Predictor from Pairwise Planar Geometry [57.19469836839409]
最近の多視点変換器は、2つのビューから多くのビューと長いシーケンスへのトレーニングデータとモデルキャパシティのスケーリングにより、高度な3次元再構成を実現している。
我々はPosePlanerを提案し、このギャップを埋めるために、古典的な対応とフローマッチングによるポーズの結合を復活させることにより、このギャップを埋める。
提案手法は2視点データに基づいて効率よく訓練されるが,n視点ポーズ推定器をリトレーニングなしでストリーミングするための周期的精錬器として機能する。
論文 参考訳（メタデータ） (2026-10-26T04:55:36Z) - COMPASS: Contextual Moment Prior Alignment for Generalizable AIGI Detection [87.91469665365304]
一般化可能なAI生成画像(AIGI)とディープフェイク検出は、非対称性現象のため難しいままである。
最近の部分空間適応法は、残留部分空間を適応させながら高次主成分を凍結することによりこの問題を軽減する。
本稿では,小さなSemantic Proxy Setを用いて,ターゲットのアクティベーション統計を推定するデータ認識サブスペース適応フレームワークを提案する。
論文 参考訳（メタデータ） (2026-10-13T09:23:12Z) - Decentralized Pose Graph Riemannian Optimization for Object-based Multi-Robot SLAM [14.190643126006819]
オブジェクトベースのマルチロボットSLAMでは、ロボットがそれぞれの軌道と複数のエージェントが観察する永続オブジェクトのポーズの両方を共同で推定する必要があるため、問題はより緊密に結合される。
既存の分散化されたソリューションは、通信グラフが物理的相互作用トポロジーと密接に一致していると仮定することが多い。
本稿では、オブジェクトベースのマルチロボットPGOのための完全に分散化されたリーマン最適化フレームワークについて、コンセンサス機構を介して結合推定問題を分離し、柔軟な通信トポロジを実現する。
論文 参考訳（メタデータ） (2026-06-23T12:21:34Z) - ParCo-SDF: Learning Prior-Free Partial-to-Complete Signed Distance Fields of Deformable Objects [8.571966339882616]
本研究は,変形性物体(DO)の部分的・完全的形状再構成を,点-雲観測から正確なDO操作へ向けたものである。
本稿では,2段階部分-完全符号距離場(SDF)再構成フレームワークであるParCo-SDFについて述べる。
時間エンコーダは、DOシーケンス全体の構造的類似性をキャプチャし、事前自由な安定したトレーニングを可能にする。
論文 参考訳（メタデータ） (2026-05-28T06:09:14Z) - Multimodal Distribution Matching for Vision-Language Dataset Distillation [50.411341509805936]
マルチモーダル分散マッチング(Multimodal Distribution Matching)は、効率的かつ一般化可能なマルチモーダル蒸留のための幾何学的枠組みである。
MDMはデータ、モデル、損失レベルで補完的なコンポーネントを統合する。
マルチモーダルなセマンティクスを保存し、蒸留コストを大幅に削減し、建築全体にわたって頑丈な、コンパクトな合成セットを生成する。
論文 参考訳（メタデータ） (2026-05-22T10:41:58Z) - Beyond Point-Wise Matching: Structural Representation Alignment for Accelerating Diffusion Transformers [93.3976834364707]
本稿では,特徴写像のリレーショナル幾何における整合性を実現する構造的RePresentation AlignmentフレームワークであるsREPAを提案する。
モデルが事前訓練された特徴から全体的空間配置と構造的相関を内包するように促すことにより、sREPAはより高速でより安定した収束を達成する。
論文 参考訳（メタデータ） (2026-05-16T12:01:04Z) - Mechanistic Analysis of Alignment Algorithms in Language Models [0.0]
トレーニング後のアライメントアルゴリズムは、主にブラックボックスとして評価され、言語モデルの内部計算の作り直しの仕方を見極めている。
オープンウェイトモデルファミリの6つの選好最適化手法を体系的に解析する。
選好信号は、初期・中期・中期の層に一貫して集中するが、異なる目的によって異なる表現シフトが引き起こされる。
論文 参考訳（メタデータ） (2026-05-09T06:36:06Z) - FluenceFormer: Transformer-Driven Multi-Beam Fluence Map Regression for Radiotherapy Planning [4.066732323672965]
textbfFluenceFormerは、直接的かつ幾何学的に認識されるフレンス回帰のための、バックボーンに依存しないトランスフォーマーフレームワークである。
Swin UNETRを使用したFluenceFormerは、評価されたモデルの中で最強のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-12-27T01:12:15Z) - Anchoring Values in Temporal and Group Dimensions for Flow Matching Model Alignment [61.80228667422234]
VGPOは時間次元とグループ次元の両方で値の推定を再定義する。
スパース端末の報酬を密度の高いプロセス認識値推定に変換する。
標準群正規化を絶対値によって強化された新しいプロセスに置き換え、安定した最適化信号を維持する。
論文 参考訳（メタデータ） (2025-12-13T16:31:26Z) - FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for
Optical Flow Estimation [72.41370576242116]
フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。
ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。
実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,最先端性能を実現していることがわかった。
論文 参考訳（メタデータ） (2020-01-17T07:13:51Z)
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。