Deprem araştırmalarında kullanılan sismik kayıtlar, yeraltının yapısını anlamak için kritik öneme sahip. Ancak bu kayıtlar sıklıkla 'ground roll' adı verilen tutarlı gürültü türüyle kirleniyor. Bu gürültü, yararlı yansıma sinyalleriyle önemli ölçüde örtüştüğü için temizlenmesi oldukça zor.
Mevcut gürültü temizleme yöntemleri iki ana kategoriye ayrılıyor: küresel ve yerel. Küresel yöntemler tüm veriyi aynı şekilde işleyerek sinyal kaybına veya bozulmaya neden olabiliyor. Yerel yöntemler ise sadece kirlenen bölgelere odaklanıyor ancak manuel tasarım veya basit model tabanlı maske tahmin stratejileriyle sınırlı kalıyor.
Araştırmacılar bu sınırlamaları aşmak için 'büyük görsel model rehberli maskelenmiş düşük-rank yaklaşımı' (LVM-LRA) adlı yeni bir çerçeve öneriyor. Bu sistem, büyük görsel modellerin güçlü pattern tanıma yeteneklerini kullanarak gürültülü bölgeleri otomatik olarak tespit ediyor.
Yeni yaklaşımın en önemli avantajı, temiz bölgelere gereksiz müdahale etmeden sadece problematik alanlara odaklanması. Bu sayede hem daha etkili gürültü temizliği sağlanıyor hem de değerli sismik veriler korunuyor. Sistem, geleneksel yöntemlerin aksine adaptif bir yaklaşım benimsiyor ve her duruma özgü en uygun stratejiyı belirliyor.