SIGMA：面向地震图像中气塔理解的物理基准数据集
计算机视觉与模式识别
2026-03-25 v1
摘要
地震图像从现场记录重建地下反射特性，指导勘探与储层监测。气塔是由地下流体迁移引起的垂直异常现象，理解这些现象对于评估油气储量和避免钻井风险至关重要。然而，由于强烈的地震衰减和散射，准确检测气塔具有挑战性。传统物理基方法计算昂贵且对模型误差敏感，而深度学习提供了高效替代方案，却缺乏标注数据集。本文引入 \textbf{SIGMA}，一个用于地震图像中气塔理解的新型物理基数据集，特点包括：(i) 像素级气塔掩码用于检测；(ii) 用于增强的配对退化图像与真实图像。我们采用覆盖广泛地质环境和数据采集条件的物理基方法。综合实验表明，SIGMA 是气塔解释和泛化地震理解的具有挑战性的基准。
引用
@article{arxiv.2603.23439,
title = {SIGMA: A Physics-Based Benchmark for Gas Chimney Understanding in Seismic Images},
author = {Bao Truong and Quang Nguyen and Baoru Huang and Jinpei Han and Van Nguyen and Ngan Le and Minh-Tan Pham and Doan Huy Hien and Anh Nguyen},
journal= {arXiv preprint arXiv:2603.23439},
year = {2026}
}
备注
Accepted at The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026