論文の概要: CosmoVAE: Variational Autoencoder for CMB Image Inpainting
- arxiv url: http://arxiv.org/abs/2001.11651v1
- Date: Fri, 31 Jan 2020 03:54:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-05 06:10:50.573706
- Title: CosmoVAE: Variational Autoencoder for CMB Image Inpainting
- Title(参考訳): CosmoVAE: CMBイメージペイントのための変分オートエンコーダ
- Authors: Kai Yi, Yi Guo, Yanan Fan, Jan Hamann, Yu Guang Wang
- Abstract要約: CMBマップのノイズは、宇宙論的パラメータの推定精度に大きな影響を及ぼす。
本稿では,CMBマップの欠落した観測を復元する深層学習に基づく変分自動エンコーダを提案する。
提案したモデルは,Planck textttCommander 2018 CMBmap inpaintingのアートパフォーマンスの状態を達成している。
- 参考スコア(独自算出の注目度): 4.69377041192659
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cosmic microwave background radiation (CMB) is critical to the understanding
of the early universe and precise estimation of cosmological constants. Due to
the contamination of thermal dust noise in the galaxy, the CMB map that is an
image on the two-dimensional sphere has missing observations, mainly
concentrated on the equatorial region. The noise of the CMB map has a
significant impact on the estimation precision for cosmological parameters.
Inpainting the CMB map can effectively reduce the uncertainty of parametric
estimation. In this paper, we propose a deep learning-based variational
autoencoder --- CosmoVAE, to restoring the missing observations of the CMB map.
The input and output of CosmoVAE are square images. To generate training,
validation, and test data sets, we segment the full-sky CMB map into many small
images by Cartesian projection. CosmoVAE assigns physical quantities to the
parameters of the VAE network by using the angular power spectrum of the
Gaussian random field as latent variables. CosmoVAE adopts a new loss function
to improve the learning performance of the model, which consists of $\ell_1$
reconstruction loss, Kullback-Leibler divergence between the posterior
distribution of encoder network and the prior distribution of latent variables,
perceptual loss, and total-variation regularizer. The proposed model achieves
state of the art performance for Planck \texttt{Commander} 2018 CMB map
inpainting.
- Abstract(参考訳): 宇宙マイクロ波背景放射(CMB)は初期の宇宙の理解と宇宙定数の正確な推定に重要である。
銀河内の熱塵のノイズが汚染されているため、2次元球面上の画像であるCMBマップは、主に赤道領域に集中する観測を欠いている。
CMBマップのノイズは、宇宙論的パラメータの推定精度に大きな影響を及ぼす。
cmbマップの塗り込みはパラメトリック推定の不確かさを効果的に低減することができる。
本稿では,CMBマップの欠落した観察を復元するために,深層学習に基づく変分オートエンコーダであるCosmoVAEを提案する。
CosmoVAEの入力と出力は正方形画像である。
トレーニング、検証、テストデータセットを生成するために、フルスキー CMB マップを多くの小さな画像にCartesian projection で分割する。
CosmoVAEは、ガウス確率場の角パワースペクトルを潜在変数として使用することにより、VAEネットワークのパラメータに物理量を割り当てる。
CosmoVAE では,エンコーダネットワークの後部分布と先行変数の分布,知覚的損失,全変量正規化器とのKullback-Leibler の分散,$\ell_1$再構成損失,Kulback-Leibler の分散,モデルの学習性能向上のために新たな損失関数を採用している。
提案したモデルは,Planck \texttt{Commander} 2018 CMBmap inpaintingのアートパフォーマンスの状態を達成している。
関連論文リスト
- Cosmic Microwave Background Recovery: A Graph-Based Bayesian
Convolutional Network Approach [2.689611937246938]
深層学習を多周波フルスキーマップからのCMBクリーニングのためのデータ駆動アプローチとして採用する。
U-Netアーキテクチャに基づくグラフベースのベイズ畳み込みニューラルネットワークを開発し、画素ワイド不確実性推定によるクリーンなCMBを予測する。
本モデルでは, クリーン化したCMBスカイマップを精度良く復元し, 不確実領域を特定しながら角パワースペクトルを導出することを示す。
論文 参考訳(メタデータ) (2023-02-24T00:49:43Z) - Information Entropy Initialized Concrete Autoencoder for Optimal Sensor
Placement and Reconstruction of Geophysical Fields [58.720142291102135]
そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。
本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。
得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
論文 参考訳(メタデータ) (2022-06-28T12:43:38Z) - Probabilistic Mass Mapping with Neural Score Estimation [4.079848600120986]
弱レンズ質量マッピング問題の高次元ベイズ後方の効率的なサンプリング法を提案する。
本手法の精度をシミュレーションで実証し,HST/ACS COSMOSフィールドの大量再構成に適用する。
論文 参考訳(メタデータ) (2022-01-14T17:07:48Z) - PANet: Perspective-Aware Network with Dynamic Receptive Fields and
Self-Distilling Supervision for Crowd Counting [63.84828478688975]
本稿では,視点問題に対処するため,PANetと呼ばれる新しい視点認識手法を提案する。
対象物のサイズが視点効果によって1つの画像で大きく変化するという観測に基づいて,動的受容場(DRF)フレームワークを提案する。
このフレームワークは、入力画像に応じて拡張畳み込みパラメータによって受容野を調整することができ、モデルが各局所領域についてより識別的な特徴を抽出するのに役立つ。
論文 参考訳(メタデータ) (2021-10-31T04:43:05Z) - ME-PCN: Point Completion Conditioned on Mask Emptiness [50.414383063838336]
メインストリーム法は入力点クラウドから学んだグローバルな特徴を復号することで、欠落した形状を予測する。
本稿では,3次元形状空間における空度を利用した点完備ネットワークME-PCNを提案する。
論文 参考訳(メタデータ) (2021-08-18T15:02:27Z) - CAMERAS: Enhanced Resolution And Sanity preserving Class Activation
Mapping for image saliency [61.40511574314069]
バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。
CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
論文 参考訳(メタデータ) (2021-06-20T08:20:56Z) - An Unbiased Estimator of the Full-sky CMB Angular Power Spectrum using
Neural Networks [0.0]
我々はニューラルネットワークを用いて、全スキー角パワースペクトルと基礎となる理論パワースペクトルの偏りのない予測を生成する。
私たちの予測も、かなり関連性がない。
論文 参考訳(メタデータ) (2021-02-08T16:30:31Z) - Reconstructing Patchy Reionization with Deep Learning [0.0]
本論文では,2つの二次的CMB異方性源の同時再構成が可能な畳み込みニューラルネットワークであるResUNet-CMBについて述べる。
ResUNet-CMBネットワークは低騒音域で2次推定器を著しく上回ることを示す。
論文 参考訳(メタデータ) (2021-01-04T19:58:28Z) - Augmented Parallel-Pyramid Net for Attention Guided Pose-Estimation [90.28365183660438]
本稿では、注意部分モジュールと微分可能な自動データ拡張を備えた拡張並列ピラミドネットを提案する。
我々は、データ拡張のシーケンスをトレーニング可能なCNNコンポーネントとして定式化する新しいポーズ検索空間を定義する。
特に,本手法は,挑戦的なCOCOキーポイントベンチマークとMPIIデータセットの最先端結果において,トップ1の精度を実現する。
論文 参考訳(メタデータ) (2020-03-17T03:52:17Z) - Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological
Reconstruction and Wavelet frames [146.63177174491082]
Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。
特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。
合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
論文 参考訳(メタデータ) (2020-02-14T10:00:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。