Автоматизация интерпретации сейсмических данных с использованием базовой доменной модели в условиях дефицита размеченных данных

Автоматизация интерпретации сейсмических данных остается ключевой задачей прикладной геофизики в связи с ростом объёмов 3D-съёмок и сжатых сроков геолого-разведочных работ. В статье описывается применение парадигмы базовых моделей для создания универсального инструмента анализа, устойчивого к дефициту данных. Целью работы была адаптация иерархического Vision Transformer (Hiera) для задач структурной интерпретации. Выбранная модель предварительно обучалась по стратегии маскирующего автоэнкодера (Masked Autoencoder, MAE) на крупных массивах неразмеченных данных; для адаптации к конкретным задачам (корреляция горизонтов, картирование палеоврезов) применялась лёгковесная дообучающая надстройка с использованием адаптеров LoRA и FPN-декодера. Показано, что предложенный подход, протестированный на реальных сейсмических данных Восточной Сибири, существенно превосходит сверточные нейронные сети по качеству прогноза в условиях ограниченного объёма размеченных данных.