이 논문은 3차원 역장애물 산란 문제, 즉 원격 측정된 원거리장 데이터로부터 장애물의 형상을 복원하는 문제를 다룬다. 이 문제는 본질적으로 ill-posed 하므로, 저자들은 훈련된 잠재 표면 표현을 생성 사전 지식으로 활용하는 새로운 반복 수치 방법을 제안한다.
잠재 표현은 주어진 형상 클래스 내에서 뛰어난 표현력을 가지며, 동시에 잠재 차원이 낮아 계산을 크게 용이하게 한다. 따라서 허용 가능한 표면 집합이 현실적이 되고, 결과적인 최적화 문제가 덜 ill-posed 해진다.
저자들은 형상 미분을 활용하여 잠재 표면 표현을 진화시키고, 손실 함수를 최소화한다. 또한 경사 하강 유형 알고리즘의 정상점 수렴성을 분석한다.
다양한 수치 예제, 후방 산란 및 위상 정보 없는 데이터를 포함하여, 제안된 알고리즘의 효과성을 입증한다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Junqing Chen... at arxiv.org 04-18-2024
https://arxiv.org/pdf/2311.07187.pdfDeeper Inquiries