SIREN 오토인코더를 이용한 고정밀 지진 속도 모델 압축

High-Fidelity Compression of Seismic Velocity Models via SIREN Auto-Decoders

암묵적 신경 표현(Implicit Neural Representations, INRs)은 그리드 해상도에 독립적으로 연속 신호를 표현하는 강력한 패러다임으로 등장했습니다. 본 논문에서는 OpenFWI 벤치마크에서 제공하는 다중 구조 지진 속도 모델을 표현하기 위한 고정밀 신경 압축 프레임워크를 제안합니다. 이 프레임워크는 SIREN(Sinusoidal Representation Networks) 오토인코더를 기반으로 하며, 각 70x70 속도 지도를 256차원의 압축된 벡터로 표현하여 19:1의 압축률을 달성합니다. 제안하는 방법은 FlatVel, CurveVel, FlatFault, CurveFault, Style의 5가지 다양한 지질군에서 추출된 1,000개의 샘플에 대해 평가되었으며, 평균 PSNR은 32.47 dB, SSIM은 0.956으로 높은 품질의 복원을 보여줍니다. 또한, 본 연구는 암묵적 표현의 두 가지 주요 장점을 보여줍니다. 첫째, 부드러운 잠재 공간 보간을 통해 타당한 중간 속도 구조를 생성할 수 있으며, 둘째, 추가 훈련 없이 최대 280x280의 임의 해상도로 속도장을 복원하는 초해상도 기능을 제공합니다. 이러한 결과는 INR 기반 오토인코더가 효율적인 저장, 다중 스케일 분석 및 전체 파동 역전과 같은 하위 지질학적 응용 분야에 잠재력을 가지고 있음을 시사합니다.

Implicit Neural Representations (INRs) have emerged as a powerful paradigm for representing continuous signals independently of grid resolution. In this paper, we propose a high-fidelity neural compression framework based on a SIREN (Sinusoidal Representation Networks) auto-decoder to represent multi-structural seismic velocity models from the OpenFWI benchmark. Our method compresses each 70x70 velocity map (4,900 points) into a compact 256-dimensional latent vector, achieving a compression ratio of 19:1. We evaluate the framework on 1,000 samples across five diverse geological families: FlatVel, CurveVel, FlatFault, CurveFault, and Style. Experimental results demonstrate an average PSNR of 32.47 dB and SSIM of 0.956, indicating high-quality reconstruction. Furthermore, we showcase two key advantages of our implicit representation: (1) smooth latent space interpolation that generates plausible intermediate velocity structures, and (2) zero-shot super-resolution capability that reconstructs velocity fields at arbitrary resolutions up to 280x280 without additional training. The results highlight the potential of INR-based auto-decoders for efficient storage, multi-scale analysis, and downstream geophysical applications such as full waveform inversion.