[论文解读] SeisBind: Physics-Aware Tri-Modal Representation Binding for Seismic Data via Contrastive Learning

Chaohua Liang, Jun Matsushima|arXiv (Cornell University)|Jan 21, 2026

Seismic Imaging and Inversion Techniques被引用 0

一句话总结

SeisBind 学习一个三模态、考虑物理约束的嵌入空间，通过对比学习将地震数据、速度模型与物理描述符进行共同对齐，实现稳健的跨模态检索和可解释的物理语义。

ABSTRACT

This letter proposes a physics-aware multi-modal contrastive learning framework designed to transform complex seismic wavefields into human-readable physical representations. Traditional data-driven inversion methods often focus on pixel-wise mapping, which lacks physical grounding and interpretability. To address this, we introduce a novel framework that jointly aligns seismic shot gathers, subsurface velocity models, and explicit physical descriptors (e.g., mean velocity and gradients) in a shared latent space. By introducing these descriptors as a third modality, our approach encourages the learned embeddings to capture intrinsic geological semantics rather than superficial signal correlations. Experiments on the OpenFWI dataset demonstrate that the proposed method not only achieves robust seismic-to-velocity retrieval but also preserves meaningful physical semantics, enabling cross-modal inference of interpretable attributes. This representation-centric perspective provides a flexible foundation for expert-guided subsurface characterization.

研究动机与目标

• 通过以物理描述符为基础来将表示具体化，而非像素级反演，从而实现可解释的速度估计。
• 提出一个三模态 CLIP 风格框架，在一个共享潜在空间中对齐地震数据、速度模型和物理描述符。
• 在 OpenFWI 数据上展示稳健的地震到速度检索以及对物理语义的保留。
• 展示物理描述符作为语义锚点，提升学习表示的可解释性。

提出的方法

• 使用三个编码器（地震、速度、物理/信息）将输入映射到一个 256 维的共享嵌入空间。
• 地震编码器采用对称卷积神经网络处理多道观测组。
• 速度编码器采用改进的 ResNet-18 主干，输入为单通道。
• 物理编码器通过多层感知机对低维描述向量进行编码，提供语义锚点。
• 以对称的 CLIP 风格 InfoNCE 目标进行训练，以对齐地震–速度和速度–物理的嵌入。
• 用权重 λ1=1 和 λ2=0.1 来平衡损失，稳定学习并强化物理一致性。

Figure 1 : model architecture

实验结果

研究问题

• RQ1 三模态嵌入空间是否能有效对齐地震数据、速度模型和物理描述符以实现跨模态检索？
• RQ2 引入显式的物理描述符是否能提升学习表示的可解释性和物理一致性？
• RQ3 相比单模态基线，三模态对比学习对地震到速度检索性能有何影响？

主要发现

指标	地震→速度 R@1	地震→速度 R@5	地震→速度 R@10	速度→物理 R@1	速度→物理 R@5	速度→物理 R@10	地震→速度 平均正相似度	地震→速度 平均负相似度	速度→物理 平均正相似度	速度→物理 平均负相似度
检索（OpenFWI）	0.5780	0.8610	0.9350	0.6810	0.9150	0.9610	0.6164	−0.0070	0.6378	−0.0014

• 地震→速度检索准确度：R@1=0.5780，R@5=0.8610，R@10=0.9350。
• 速度→物理检索准确度：R@1=0.6810，R@5=0.9150，R@10=0.9610。
• 地震–速度的正向相似度均值为 0.6164，负向相似度均值为 −0.0070。
• 速度–物理的正向相似度均值为 0.6378，负向相似度均值为 −0.0014。
• 定性结果显示 Top-1 速度模型在结构保真性方面高于 ground truth；Top-2/Top-3 仍然与物理一致。
• 通过跨模态检索实现的物理描述符推断在选定描述符（k=5）上平均相对误差为 9.12%。

Figure 2 : Qualitative retrieval results. For each query seismic shot gather (first column), the corresponding ground truth (second column) and the top-3 retrieved velocity models are displayed. Similarity scores are provided above each retrieved candidate, demonstrating the model’s precision in str