要旨: グラウンドロールは、陸上および垂直地震探査（VSP）データにおける、コヒーレント雑音の主要な発生源であり、反射イベントを深刻にマスクし、その後のイメージングおよび解釈を劣化させます。変換領域フィルタリング、疎表現、深層学習を含む従来の減衰手法は、多くの場合、適応性の制限、信号の漏れ、またはラベル付き学習データへの依存といった問題を抱え、とりわけ強い信号—雑音の重なりがある状況では顕著です。これらの課題に対処するため、私たちは、地盤ロール減衰をセマンティック（意味）ガイド付き信号分離問題として再定式化する、学習不要の枠組みを提案します。具体的には、プロンプト可能な大規模ビジョンモデルを用いて、地震ガザーを視覚表現に変換し、テキストまたは画像プロンプトによってグラウンドロール優勢な領域を局所化することで、高レベルのセマンティックな事前情報を抽出します。得られたセマンティック応答は連続的なソフトマスクに変換され、マスク条件付きの低ランク逆問題の定式化に組み込まれることで、空間的に適応した抑圧と反射を保った再構成を可能にします。さらに、提案した逆問題を解くために、効率的な交互方向乗数法（ADMM）ベースのソルバを開発し、タスク固有の学習や手動アノテーションを必要とせずに、安定かつ物理的整合性のある信号回復を実現します。合成データと実フィールドのVSPデータの両方に対する大規模な実験により、提案手法が反射の連続性と波形の忠実性を維持しつつ、優れたグラウンドロール減衰を達成し、代表的な変換領域フィルタリング法および暗黙的ニューラル表現手法を一貫して上回ることが示されます。
大規模ビジョンモデルに導かれる低ランク近似のカスタマイズによる地表波デノイズ
arXiv cs.CV / 2026/4/2
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、陸上および垂直地震探査における地表波（ground-roll）の減衰を対象とし、既存の変換領域ベースの手法・疎（sparse）手法・深層学習アプローチでは、適応性の欠如、リークの問題、あるいは強い信号–雑音の重なり下でラベル付き学習データが必要になることに課題があると主張する。
- テキストまたは画像プロンプトにより、可視化した地震ギャザーから地表波優勢領域を特定するために、プロンプト可能な大規模ビジョンモデルを用いることで、問題をセマンティクス（意味）に導かれた信号分離として捉える、トレーニング不要の枠組みを提案する。
- 手法は、モデルのセマンティック応答を連続的なソフトマスクへと変換し、マスク条件付きの低ランク逆問題の定式化に組み込むことで、反射を保持しつつ空間的に適応的な抑制を実現する。
- ADMM（Alternating Direction Method of Multipliers）に基づくソルバを開発し、得られた逆問題を効率的に解くことで、タスク固有の学習や手動アノテーションに依存しない、安定で物理的に整合した復元を目指す。
- 合成データおよび実データのVSP（Vertical Seismic Profiling）データに対する実験により、代表的なフィルタリング手法や暗黙的ニューラル表現（implicit neural representation）のベースラインと比べて、反射の連続性および波形の忠実性が向上し、地表波減衰が改善されることを示す。
