English(EN) Self-attention summary networks for subsurface velocity-model building from common-image gathers

新型自注意力网络增强地震速度模型构建

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-08 04:00

研究人员开发了一种新颖的多尺度自注意力汇总网络，旨在改进地震成像的地下速度模型构建。该网络将高维共像叠加剖面 (CIG) 体映射到紧凑的条件嵌入中，然后由流匹配模型使用这些嵌入来推断合理的速度场。与直接使用原始 CIG 数据的现有方法相比，该方法在后验速度重建方面表现出更高的准确性和更低的 불확실성，并且多尺度注意力设计对背景模型不匹配具有更强的鲁棒性。 AI

影响为地球物理数据分析引入了一种新颖的深度学习架构，有望提高地下成像的准确性和效率。

排序理由该集群包含一篇详细介绍用于特定科学应用的新机器学习模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 8 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍用于特定科学应用的新机器学习模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Shiqin Zeng, Yunlin Zeng, Abhinav Prakash Gahlot, Zijun Deng, Felix J. Herrmann · 2026-10-08 04:00

用于从公共图像收集构建地下速度模型的自注意力汇总网络

arXiv:2610.09282v1 Announce Type: new 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 tool…

本文如何被排名

报道来源 [1]

用于从公共图像收集构建地下速度模型的自注意力汇总网络

相关实体

相关话题