研究人员开发了一种新颖的无监督方法，用于通过深度感知隐式神经表示进行三维重力反演。该方法使用多个神经网络直接从重力测量数据中优化得到，以表示地下密度体，并结合了基于物理的先验知识，无需标记的密度模型。实验表明，与传统和基线神经网络方法相比，该方法性能更优，能够生成更准确、空间上更连贯的密度重建，尤其在分离邻近异常和保持垂直范围方面表现出色。该方法有望在无法获得真实密度模型的地下成像场景中得到改进。 AI
影响 这项研究引入了一种新颖的 AI 驱动方法，以提高重力测量中地下成像的准确性，可能有利于地质勘探和资源勘探。
排序理由 这是一篇研究论文，详细介绍了使用神经网络进行三维重力反演的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Fourier Features Let Networks Learn High Frequency Functions in Low Dimensional Domains
- neural field
- peak signal-to-noise ratio
- Structural Similarity Index Measure
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
