English(EN) Rethinking Amortized Neural Representations for High-Resolution Terrain Elevation Data

新的神经表示提高了地形数据的保真度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-02 04:00

研究人员开发了一种名为HUVR+SIREN的新方法，以提高高分辨率地形高程数据的神经表示效率。该方法通过使用平滑、可微分的解码器来改进现有技术，与以前的方法相比，实现了更高的保真度和更低的存储成本。该系统还表现出对激进量化的抵抗力，为地形数据提供了一种紧凑的格式。 AI

影响这种新方法提供了一种更有效、更紧凑的方式来表示高分辨率地形数据，可能有利于地图绘制、模拟和地理空间分析等应用。

排序理由该集群包含一篇详细介绍使用神经网络表示地形高程数据的新颖方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Haoan Feng, Xin Xu, Leila De Floriani · 2026-06-02 04:00

Rethinking Amortized Neural Representations for High-Resolution Terrain Elevation Data

arXiv:2606.00404v1 Announce Type: cross Abstract: Implicit neural representations (INRs) model a signal as a continuous coordinate-to-value function. For terrain elevation data, this supports analytic derivatives, arbitrary-resolution decoding, and a smooth surface model of the u…