快速高效和可扩展的云层析成像新方法

云如何塑造地球的未来?云不仅仅是天空中蓬松的白色形状。它们对于调节地球气候至关重要，因为它们会影响水循环、大气动力学和能量平衡。然而，研究云并不容易。一种方法是使用星载成像仪，但这些成像仪仍面临效率和可扩展性方面的挑战。

为了克服这些限制，以色列理工学院维特比电气与计算机工程学院的IdoCzerninski和YoavY.Schechner(CloudCT的合作伙伴)开发了一种有效的逆向渲染框架，用于恢复云的3D分布。

他们的研究发表在智能计算上。

这个新框架可用于基于散射的计算机断层扫描——即散射CT。之前的研究已经将散射CT应用于云观测，但他们面临着计算成本和对大规模场景的适用性的挑战。此外，光在云中的散射根据光的波长以及水滴和其他空气传播颗粒的大小而变化。这种复杂程度与图像渲染及其反转领域非常吻合。

使用一种新的算法来加速逆向渲染，作者能够准确高效地获得云的3D属性。逆向渲染是计算机图形学和计算机视觉中使用的一种计算技术，用于从二维图像估计3D场景的属性，例如对象的形状、光照和材料属性。使用模拟和真实世界的数据证明了通过这个新框架获得的3D云分析成像的准确性。

这个新框架不仅可以用于散射CT，还可以用于其他逆向渲染环境，例如反射计，它使用波在表面和界面的反射来检测或表征物体，以及X射线散射CT扫描，它产生器官和组织的图像。

尽管这种方法代表了真正的进步，但仍然存在一些问题。云气候反馈的研究需要对云微物理学的准确描述，这涉及对云内发生的物理过程的研究。然而，目前的方法代表光学参数，而不是尺寸和材料参数。因此，在未来的研究中，需要扩展这种方法以包括微物理参数。这对于充分利用这项工作的方法进行气候研究是必要的。

作者的关键创新是“路径回收和排序”算法，它加快了逆向图像渲染问题的工作。逆向渲染通常需要多次迭代来细化定义场景的变量。每次迭代都涉及渲染操作，但渲染速度可能非常慢，尤其是在迭代优化期间运行数百次时。

为了克服这个问题，该算法在反向渲染过程中回收了先前迭代的路径。这种方法使用先前迭代的路径来估计当前迭代的损失梯度，从而显着减少迭代运行时间。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！