由多模态提示引擎赋能的面向普适地震地体解释的基础模型
地球物理
2024-09-17 v2 机器学习
摘要
地震地体解释是结构地质研究和各种工程应用的关键。现有的深度学习方法显示出前景，但缺乏对多模态输入的支持，并且难以推广到不同的地体类型或数据。我们引入了一个可解释任意地体、跨数据集的提示式基础模型。该模型将预训练的视觉基础模型 (VFM) 与精细的多模态提示引擎相集成。VFM 在大规模自然图像上进行预训练并在地震数据上进行微调，为跨数据集的通用特征提取提供了稳健性。提示引擎整合了多模态先验信息，以迭代细化地体描绘。广泛的实验表明，该模型在准确性、从 2D 到 3D 的可扩展性方面具有优势，并且对各种地体类型具有普适性，包括训练期未见过的地体。鉴于其高度可扩展性和多功能性，这是首个能够在数据集之间解释任何地体的高度可扩展且通用的多模态基础模型。我们的做法为地质数据解释开辟了新范式，具有广泛的可迁移潜力。
引用
@article{arxiv.2409.04962,
title = {A foundation model enpowered by a multi-modal prompt engine for universal seismic geobody interpretation across surveys},
author = {Hang Gao and Xinming Wu and Luming Liang and Hanlin Sheng and Xu Si and Gao Hui and Yaxing Li},
journal= {arXiv preprint arXiv:2409.04962},
year = {2024}
}