多尺度自注意力摘要网络用于速度模型反演
热点事件持续更新
多尺度自注意力摘要网络用于速度模型反演
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Shiqin Zeng 等作者提出一种多尺度自注意力摘要网络,用于从共成像点道集(CIG)构建地下速度模型。该网络将高维 3D CIG 体积映射为紧凑的条件嵌入向量,用于概率性地下速度反演。 作者称,这些嵌入保留了随偏移距变化的运动学结构与空间相干性,并减少背景速度失配带来的干扰。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
多尺度自注意力摘要网络:从共成像点道集构建地下速度模型报道时间线
沿着报道,了解事件的不同侧面。
10月8日
- arXiv cs.LG多尺度自注意力摘要网络:从共成像点道集构建地下速度模型
研究提出一种多尺度自注意力摘要网络,将高维 3D 共成像点道集(CIG)体积映射为紧凑的条件嵌入向量,用于概率性地下速度反演。这些嵌入保留了随偏移距变化的运动学结构与空间相干性,并减少背景速度失配带来的干扰。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。