我们提出了一种从 InSAR 图像中快速检测飓风后建筑损伤的方法，通过使用综合性因果贝叶斯网络对风、洪水、建筑损伤和 InSAR 图像的复杂因果依赖关系进行编码，并将 InSAR 图像的信息与洪水和风的先验物理模型相融合，无需地面真实标签，进一步共同推断大规模未观测到的建筑损伤。验证结果表明，相比传统的手动检查方法，我们的方法在迅速准确检测建筑损伤方面，大大减少了处理时间。

Oct, 2023

利用深度生成模型作为地震学参数的先验分布，结合变分贝叶斯推理方法，解决全波形反演中的非线性和非唯一的逆问题，为地下结构提供了考虑内在不确定性的洞察。

Jun, 2024

本论文利用人工标注的方法创建了全球共 44 个不同火山的 19,919 个 Sentinel-1 干涉图像，共计 216,106 个 InSAR 小块，旨在解决包括火山状态分类、地面形变的语义分割、InSAR 图像中大气信号的检测和分类、干涉图像字幕化、文本到 InSAR 的生成以及 InSAR 图像质量评估等不同的计算机视觉问题。

Apr, 2022

引入一种概率技术，采用变分推理和条件归一化流方法来量化迁移速度模型的不确定性及其对成像的影响。通过将生成人工智能与物理启发式共享图像聚合相结合，减少对准确初始速度模型的依赖。考虑的案例研究证明了其在生成与数据条件相关的迁移速度模型时的有效性，并用于量化后续成像过程中的振幅和定位效果。

Dec, 2023

该研究论文介绍了一种基于神经网络和正则化流的灵活变分后验分布逼近方法，提出了一种名为 ConvFlow 的新型正则化流方法，并证明了其在合成和实际问题中的有效性和效率。

Nov, 2017

本研究基于空间点过程概率模型对意大利西西里岛触发的约 5000 起山体滑坡事件进行了定量研究，通过贝叶斯估计法计算后验概率预测滑坡概率分布，较传统的地质学简化模型具有更高的精度，充分涵盖了多重分区分层和地貌学因素对滑坡发生的影响。

Aug, 2017

本文提出了一种新的 SAR 层析处理框架，将非局部滤波集成到 SAR 层析反演中，以处理只有少量数据的大规模城市 3D 制图，实验结果表明，所提出的算法相对高度精度优于 TanDEM-X 原始 DEM 数据，为高质量的大规模 3D 城市制图铺平了第一步。

May, 2023

本文探讨卷积神经网络在探测卫星 InSAR 图像中缓慢、持续变形中的应用，并提出用于组合不同封套参数结果的均值滤波方法。在 Campi Flegrei 和 Dallol 测试中，检测到了分别为 8.5cm/yr 和 3.5cm/yr 的变形。

Sep, 2019

使用随机循环网络（STORN）学习机器人时间序列数据中的概率模型，并展示了在线下和在线上都能够较为稳健地检测异常的结果。

Feb, 2016

介绍了 IntraSeismic，一种新颖的混合地震反演方法，具有 2D 和 3D 后处理地震反演中无与伦比的性能、快速收敛速率、无缝包含硬约束条件（即井数据）和执行不确定性量化的能力，同时还具备数据压缩和对反演模型部分的快速随机访问的潜力。通过合成和现场数据的应用验证了该方法的有效性。

Dec, 2023