研究利用机器学习预测月球表面的反照率异常，通过高分辨率反照率和元素地图分析化学元素与反照率的关系。采用自适应高斯模糊技术解决分辨率差异，并用优化的极限梯度提升回归模型进行预测，还提供了可视化预测误差的工具。这一成果深化了对月球的理解，并为其他天体研究提供了框架。

本研究提出了一种基于物理的图像形成模型，通过逆渲染实现反照率恢复，提高了图像处理任务的效果。该方法应用潜力广泛，可确保图像匹配一致性和提升合成环境的现实感。

该研究使用机器学习预测月球表面的反照率异常，并推断表面化学元素与反照率之间的关系。研究使用高斯模糊技术弥合了分辨率差距，并部署了优化的回归模型。研究结果为了解月球表面和其他天体提供了框架。

研究人员通过测量统计指示来计算天空可见性，取得了NeRF-OSR基准测试中的最先进结果。该方法估计出高质量的反照率、几何形状、照明和天空可见性。