物理引导神经网络修正提升浑浊介质中光传输的解析建模精度

一项研究提出物理引导残差学习框架，将扩散近似（DA）预测作为物理先验，用神经网络只学习其与 Monte Carlo 参考结果之间的残差，兼顾解析建模的计算效率与 MC 仿真的精度。在所评估光学参数范围内，标量反射率 RMSE 和空间分辨反射率 RMSLE 相比 DA 分别降低约 62 倍和 14 倍；仅用 1% 训练数据时，比直接神经网络代理误差再低约 87% 和 93%。