Image-to-Image Translation 구조를 이용한 표면파 역산 기법 개발

초록

본 연구에서는 기존에 분산 이미지로부터 1차원 S파 속도 프로파일을 추정하던 CNN 기반 접근(Cho et al., 2024)을 확장하여, 분산 이미지를 image-to-image translation 문제로 재구성함으로써 2차원 속도 이미지를 추정하는 새로운 딥러닝 기법을 실험하였다. 이를 위해 1차원 속도 프로파일을 기준으로 0과 1을 채워 2차원 이미지를 생성하고, 이를 훈련 자료로 구축하여 분산 이미지로부터 속도 구조를 추정하도록 설계하였다. 학습에는 인코더?디코더 구조의 신경망을 적용하였으며, 특징 맵 개수와 손실 함수 유형 등에 따른 성능 차이를 비교하였다. 본 접근은 분산 이미지를 영상 변환 문제로 다루는 데 일정 수준의 타당성을 보였으며, 향후 보다 정교한 image-to-image 기반 신경망으로 확장할 수 있는 가능성을 제시한다. 또한, 이미지 기반 접근에서는 학습 자료의 해상도가 학습 성능에 영향을 미칠 수 있다. 특히 저주파수 영역의 해상도는 탐사 배열 길이와 밀접하게 연관되어 있어, 서로 다른 배열 조건에서의 학습 결과를 비교, 검토하였다. 본 결과는 향후 딥러닝 기반 MASW 기법 적용 시 고려해야 할 요소들에 대한 기초적 논의로 활용될 수 있을 것으로 기대한다.