反问题中数据模态的最优组合：最大兼容性估计
Optimal combination of data modes in inverse problems: maximum compatibility estimate
AI总结：
提出一种反问题中不同数据模态相对权重的最优策略，推导出最大兼容性估计（MCE），该估计不依赖于噪声水平、尺度因子或数据点数量，并通过从广义投影的边界曲线和体积重建三维物体形状的案例验证其有效性。
摘要：
我们提出了反问题中不同数据模态相对权重的最优策略，并推导出最大兼容性估计（MCE），该估计对应于单数据模态情况下的最大似然或最大后验估计。MCE不显式依赖于互补数据模态的噪声水平、尺度因子或数据点数量，且无需模态权重参数即可确定。作为案例研究，我们考虑了从广义投影的边界曲线（轮廓）和体积（亮度值）重建$\R^3$中物体形状的问题。
英文摘要：
We present an optimal strategy for the relative weighting of different data modes in inverse problems, and derive the maximum compatibility estimate (MCE) that corresponds to the maximum likelihood or maximum a posteriori estimates in the case of a single data mode. MCE is not explicitly dependent on the noise levels, scale factors or numbers of data points of the complementary data modes, and can be determined without the mode weight parameters. As a case study, we consider the problem of reconstructing the shape of a body in $\R^3$ from the boundary curves (profiles) and volumes (brightness values) of its generalized projections.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
