AI 與世界的難題 · 地球與氣候科學 · arXiv · 2026-10-21
從光達點雲建構碎波區海表面之連續且可微分的神經網路表徵
原標題: Continuous and Differentiable Neural Network Representations of the Surfzone Sea-Surface from Lidar Point Clouds
多光束掃描光達以時間序列點雲量測海表面,通常必須先經過網格化、內插或建圖才能進行波浪分析。作者改為以無人機在加州蒙特利懸停於大型(4 公尺)碎浪上方所取得的 60 秒光達資料訓練 SIREN 神經網路,得到一種連續、可微分且無網格的海表面表示,可在任何位置與時間連同其導數一起評估。SIREN 的誤差與儀器誤差相當,且對局部資料密度不敏感,但此表示會濾除最高波數的變異,例如濺升與海面飛沫;而計算導數以及從時空切片估算波速,則展現了其在方向性波浪分析上的潛力。