地震断层 SAM：轻量模块和 2.5D 策略适配 SAM 以用于断层检测
计算机视觉与模式识别
2024-07-22 v1 图像与视频处理
摘要
地震断层检测具有重要的地理学和实际应用价值，帮助专家解释地下结构并进行资源勘探。尽管基于深度学习的自动化方法取得了一些进展，但在地震领域的研究面临着显著挑战，特别是由于难以获取高质量、大规模、开源且多样化的数据集，这阻碍了通用基础模型的开发。因此，本文提出了 Seismic Fault SAM，这是首次将通用预训练基础模型——Segment Anything Model (SAM)—应用于地震断层解释。该方法通过 Adapter 设计将从大量图像中学习的通用知识与地震领域任务对齐。具体而言，我们的创新点包括设计轻量级 Adapter 模块、冻结大部分预训练权重，并仅更新少量参数以允许模型快速高效地学习断层特征；结合 2.5D 输入策略以捕获 3D 空间模式；通过基于先验的数据增强技术将地质约束整合到模型中，以增强模型的泛化能力。在最大公开地震数据集 Thebe 上的实验结果表明，我们的方法在 OIS 和 ODS 指标上超越了现有的 3D 模型，实现了最先进的性能，并为其他缺乏标记数据的数据域下游任务提供了有效的扩展方案。
引用
@article{arxiv.2407.14121,
title = {Seismic Fault SAM: Adapting SAM with Lightweight Modules and 2.5D Strategy for Fault Detection},
author = {Ran Chen and Zeren Zhang and Jinwen Ma},
journal= {arXiv preprint arXiv:2407.14121},
year = {2024}
}