Data-Driven Invertible Neural Surrogates of Atmospheric Transmission

要約

スペクトルシーンから大気透過プロファイルを推測するためのフレームワークを紹介します。
このフレームワークは、自己微分と微分可能プログラミングによって自動的に調整される軽量の物理ベースのシミュレーターを利用して、観測データをモデル化するための代理大気プロファイルを構築します。
我々は、(i) 大気補正の実行、(ii) さまざまなモダリティ間のスペクトル データ (表面およびセンサーでの放射輝度と反射率など) の再キャスト、および (iii) 吸収バンドなどの大気透過プロファイルの推測によって、この方法論の有用性を実証します。
そしてそれらの相対的な大きさ。

要約(オリジナル)

We present a framework for inferring an atmospheric transmission profile from a spectral scene. This framework leverages a lightweight, physics-based simulator that is automatically tuned – by virtue of autodifferentiation and differentiable programming – to construct a surrogate atmospheric profile to model the observed data. We demonstrate utility of the methodology by (i) performing atmospheric correction, (ii) recasting spectral data between various modalities (e.g. radiance and reflectance at the surface and at the sensor), and (iii) inferring atmospheric transmission profiles, such as absorbing bands and their relative magnitudes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google