OpenFWI
PulseAugur coverage of OpenFWI — every cluster mentioning OpenFWI across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的扩散反演技术改进图像重建和地震分析 · 跟踪4个来源
研究人员正在开发新的扩散反演方法，该过程将图像映射回扩散模型的潜在空间以进行重建和编辑。一种方法“后验延续”（Posterior Continuation）根据噪声水平优化频带暴露，以提高各种任务的恢复性能。另一种方法“解耦潜在优化”（Decoupled Latent Optimization, DLO）通过解耦数据保真度和先验一致性来增强全波形反演，从而获得更真实的地球物理结构。此外，一种称为“时间步重排”（Timestep Res…
-
SubsurfaceGen 为基于机器学习的全波形反演生成逼真的地震数据
研究人员开发了 SubsurfaceGen，这是一个 GPU 加速工具，用于生成逼真的、地层尺度的三维速度模型和地震数据。该新系统解决了现有数据集在全波形反演 (FWI) 的机器学习方法方面的局限性。附带的数据集包括来自 42 种不同地质环境的 4,276 个二维速度切片和地震数据，旨在改进基于机器学习的 FWI，应用于碳封存和碳氢化合物勘探等领域。
-
基于合成数据训练的大型人工智能模型在地震反演中达到SOTA
研究人员通过利用一个在模拟数据上训练的、拥有十亿参数的大型模型，开发了一种新颖的全波形反演（FWI）方法。该方法解决了数据驱动FWI中常见的过拟合问题，即有限的数据集通常会阻碍其对真实地质结构的泛化能力。所提出的策略涉及模型容量、数据多样性和训练技术之间的协同扩展，使模型能够在OpenFWI等基准测试中取得最先进的性能，并显著提高泛化能力。
-
SPAMoE框架通过频谱感知神经网络算子增强全波形反演
研究人员开发了SPAMoE，一个旨在提高地下速度模型重建的全波形反演（FWI）效率和准确性的新框架。该方法通过引入一个频谱保持编码器和一个用于专家混合（Mixture-of-Experts）集合的动态路由机制，解决了多尺度地质特征中的频率纠缠挑战。在OpenFWI数据集上的实验表明，与现有基线相比，SPAMoE显著降低了平均绝对误差，为基于学习的FWI建立了一个新的架构框架。