扩散模型正则化ASVGD全波形反演方法提出

Chao Li等作者提交论文，提出将学习到的扩散模型作为隐式正则引入退火 Stein 变分梯度下降（ASVGD）全波形反演框架，替代高斯或平滑等手工先验，引导粒子向合理速度模型分布更新。 数值实验显示，该方法生成的平均模型地质一致性更好，能抑制非物理伪影，并使后验不确定性更集中于结构复杂和约束不足的区域。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。