利用logits反馈改进基于SAM的地震相分割

《IEEE Geoscience and Remote Sensing Letters》：Improving SAM-based seismic facies segmentation with logits feedback

　　摘要：地震相分割由于地下数据的结构复杂性和非均质性而仍然具有挑战性。分割一切模型（SAM）近年来已被探索用于地震解释，但其在推理过程中经历迭代用户交互时的性能表现仍知之甚少。本文探讨了一种基于提示积累和logits反馈的推理时细化协议，其中将先前交互的预测结果重新用作密集空间先验。该机制使模型能够通过结合稀疏校正提示与积累的空间上下文来迭代细化分割。分割针对每个相类独立进行，使用类别特定的提示，并将所得的二值预测融合为多类地图。在F3和SEAM-AI数据集上的实验表明，logits反馈在零样本和微调设置中均能持续改善分割性能。在结构复杂的场景中，它缓解了性能下降并增强了全局一致性；而在较简单的设置中，它加速了收敛并提高了最终精度。这些结果表明，在可提示的交互式设置中，SAM能够通过稀疏校正提示与反馈驱动的空间先验的协同作用，有效地充当迭代细化系统。