無作為ノイズを効果的に抑制しながら地震信号を保持することは、地震データ処理における重要な課題であり続けています。三次元（3D）地震データの高次元性と複雑な空間構造は、従来のデノイジング手法がノイズ抑制の要求を満たすことを難しくすることがよくあります。この問題に対処するために、私たちは強化されたマルチスケール特徴融合と効率的なトランスフォーマー（EMST）に基づく新しい3D地震デノイジング手法を設計します。EMSTの基本フレームワークは、3D地震データのマルチスケール特徴を捉えるために、主に2つのエンコーディング-デコーディングパスを使用します。注意メカニズムは、異なるスケールでの特徴の表現をさらに強化し、それらは特徴融合層によって統合されます。次に、効率的なトランスフォーマーが組み込まれ、モデルのグローバルモデリング能力が強化されます。さらに、モンテカルロパッチ選択法が使用され、トレーニングセットを最適化するための代表的なパッチが選択され、トレーニング効率が向上します。複数のデータに基づく実験結果は、EMSTがデノイジング性能を改善し、ベースライン手法に比べて信号漏れを減少させることを示しています。
Zhang et al. (Wed,) はこの問題を研究しました。