SIGMA：結合物理模擬與深度學習的氣煙囪地震影像分析基準資料集

本研究推出 SIGMA 資料集，透過物理模擬技術提供精確的氣煙囪標記與影像對，解決了地震影像中流體移散現象難以識別的難題，並為後續研究提供可靠的評估基準。

Problem

氣煙囪在地震影像中造成的訊號衰減與散射，使得識別難度極高。現有的傳統物理方法運算成本龐大且易受模型誤差影響，而深度學習技術雖具潛力，卻面臨高品質標註資料嚴重匱乏的困境，難以進行有效的模型訓練。

研究團隊開發了名為 SIGMA 的物理基準資料集，包含像素級的氣煙囪遮罩（用於偵測）以及對應的受損與真實影像（用於影像增益）。該資料集採用基於物理規律的模擬方法，廣泛涵蓋了多元的地質背景與各種地震資料採集環境。

實驗結果顯示，SIGMA 為氣煙囪解釋提供了一個極具挑戰性的基準測試平台。透過此資料集訓練的模型，不僅能顯著提升對氣煙囪現象的辨識精準度，更能有效增進對於通用地震影像特徵的整體理解與分析效率。

此研究填補了地震解釋領域中物理標註資料的空白，對於精準評估地下油氣潛能與規避鑽探地質災害具有關鍵意義。它成功橋接了物理模擬與資料驅動技術，推動了地球物理探勘自動化的發展。