論文の概要: Point Spread Function Modelling for Wide Field Small Aperture Telescopes with a Denoising Autoencoder

• arxiv url: http://arxiv.org/abs/2001.11716v2
• Date: Sat, 14 Mar 2020 13:23:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-05 07:11:25.208621
• Title: Point Spread Function Modelling for Wide Field Small Aperture Telescopes with a Denoising Autoencoder
• Title（参考訳）: デノイジングオートエンコーダを用いた広視野小開口望遠鏡のための点拡散関数モデリング
• Authors: Peng Jia, Xiyu Li, Zhengyang Li, Weinan Wang, Dongmei Cai
• Abstract要約: 本稿では,広視野小型開口望遠鏡の点拡散関数をモデル化するために,ディープニューラルネットワークの一種であるデノナイジングオートエンコーダを提案する。 デノナイジングオートエンコーダは、実観測データや数値シミュレーション結果のキャリブレーションデータをポイントスプレッド関数テンプレートとして利用する純粋データベースのポイントスプレッド関数モデリング手法である。 訓練後、デノナイジングオートエンコーダは点拡散関数の多様体空間を学習し、広い視野の小さな開口望遠鏡で得られた星画像をその点拡散関数に直接マッピングすることができる。
• 参考スコア（独自算出の注目度）: 2.760522772828377
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The point spread function reflects the state of an optical telescope and it is important for data post-processing methods design. For wide field small aperture telescopes, the point spread function is hard to model, because it is affected by many different effects and has strong temporal and spatial variations. In this paper, we propose to use the denoising autoencoder, a type of deep neural network, to model the point spread function of wide field small aperture telescopes. The denoising autoencoder is a pure data based point spread function modelling method, which uses calibration data from real observations or numerical simulated results as point spread function templates. According to real observation conditions, different levels of random noise or aberrations are added to point spread function templates, making them as realizations of the point spread function, i.e., simulated star images. Then we train the denoising autoencoder with realizations and templates of the point spread function. After training, the denoising autoencoder learns the manifold space of the point spread function and can map any star images obtained by wide field small aperture telescopes directly to its point spread function, which could be used to design data post-processing or optical system alignment methods.
• Abstract（参考訳）: 点拡散関数は光学望遠鏡の状態を反映しており、データ後処理法の設計において重要である。 広視野小型開口望遠鏡では、多くの異なる効果の影響を受け、時間的・空間的な変動が強いため、点拡散関数のモデル化は困難である。 本稿では,広視野小開口望遠鏡の点拡散関数をモデル化するために,ディープニューラルネットワークの一種であるデノージングオートエンコーダを用いることを提案する。 denoising autoencoderは純粋なデータベースのポイントスプレッド関数モデリング手法であり、実際の観測や数値シミュレーション結果の校正データをポイントスプレッド関数テンプレートとして利用する。 実際の観測条件に従って、異なるレベルのランダムノイズや収差がポイントスプレッド関数テンプレートに追加され、ポイントスプレッド関数、すなわちシミュレートされたスターイメージの実現となる。 次に,点スプレッド関数の実現とテンプレートを用いてデノージングオートエンコーダをトレーニングする。 訓練後、デノナイジングオートエンコーダは点拡散関数の多様体空間を学習し、広い視野の小さな開口望遠鏡で得られた星像を点拡散関数に直接マッピングし、データ後処理や光学系アライメントの手法の設計に使用できる。

関連論文リスト

• Localized Gaussians as Self-Attention Weights for Point Clouds Correspondence [92.07601770031236]
  本稿では,エンコーダのみのトランスフォーマーアーキテクチャのアテンションヘッドにおける意味的意味パターンについて検討する。 注意重みの修正はトレーニングプロセスの促進だけでなく,最適化の安定性の向上にも寄与する。
  論文  参考訳（メタデータ） (2024-09-20T07:41:47Z)
• Curved Diffusion: A Generative Model With Optical Geometry Control [56.24220665691974]
  最終シーンの外観に対する異なる光学系の影響は、しばしば見過ごされる。 本研究では,画像レンダリングに使用される特定のレンズとテキスト画像拡散モデルを密接に統合するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-29T13:06:48Z)
• Image Restoration with Point Spread Function Regularization and Active Learning [5.575847437953924]
  大規模な天文学的な調査では、銀河や星雲を含む多数の天体の画像を捉えることができる。 様々なノイズレベルと点拡散関数は、これらの画像から情報抽出の精度と効率を損なう。 深層学習に基づく復元アルゴリズムと高忠実度望遠鏡シミュレータを接続する新しい画像復元アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-31T23:16:26Z)
• Bidirectional Knowledge Reconfiguration for Lightweight Point Cloud Analysis [74.00441177577295]
  ポイントクラウド分析は計算システムのオーバーヘッドに直面し、モバイルやエッジデバイスでの利用を制限する。 本稿では,軽量点雲モデルのための特徴蒸留について検討する。 本研究では,教師から生徒への情報的文脈的知識を抽出するための双方向知識再構成を提案する。
  論文  参考訳（メタデータ） (2023-10-08T11:32:50Z)
• Score-based Diffusion Models in Function Space [140.792362459734]
  拡散モデルは、最近、生成モデリングの強力なフレームワークとして登場した。 本稿では,関数空間における拡散モデルをトレーニングするためのDDO(Denoising Diffusion Operators)という,数学的に厳密なフレームワークを提案する。 データ解像度に依存しない固定コストで、対応する離散化アルゴリズムが正確なサンプルを生成することを示す。
  論文  参考訳（メタデータ） (2023-02-14T23:50:53Z)
• Rethinking data-driven point spread function modeling with a differentiable optical model [0.19947949439280027]
  天文学において、広視野光学機器を持つ近日宇宙望遠鏡は、空間的に異なる点拡散関数(PSF)を持つ。 現在のデータ駆動型PSFモデルは空間変動や超解像に対処できるが、色の変化を捉えることはできない。 モデリングフレームワークに微分可能な光フォワードモデルを追加することにより、データ駆動モデリング空間をピクセルからウェーブフロントに変更する。
  論文  参考訳（メタデータ） (2022-03-09T17:39:18Z)
• Neural Point Light Fields [80.98651520818785]
  本稿では,スパース点雲上に存在する光の場を暗黙的に表現するニューラルポイント光場について紹介する。 これらの点光場は、光線方向と局所点特徴近傍の関数として機能し、光場条件付きトレーニング画像を高密度の被写体とパララックスを介さずに補間することができる。
  論文  参考訳（メタデータ） (2021-12-02T18:20:10Z)
• Convolutional Deep Denoising Autoencoders for Radio Astronomical Images [0.0]
  我々は、最先端の電波望遠鏡の合成画像に、畳み込み復号化オートエンコーダ(Convolutional Denoising Autoencoder)と呼ばれる機械学習技術を適用した。 我々のオートエンコーダは、器用感度の限界でかすかな物体を識別し、抽出する複雑な画像を効果的に識別することができる。
  論文  参考訳（メタデータ） (2021-10-16T17:08:30Z)
• Data Augmentation for Object Detection via Differentiable Neural Rendering [71.00447761415388]
  注釈付きデータが乏しい場合、堅牢なオブジェクト検出器を訓練することは困難です。 この問題に対処する既存のアプローチには、ラベル付きデータからラベル付きデータを補間する半教師付き学習が含まれる。 オブジェクト検出のためのオフラインデータ拡張手法を導入し、新しいビューでトレーニングデータを意味的に補間する。
  論文  参考訳（メタデータ） (2021-03-04T06:31:06Z)
• Point Spread Function Estimation for Wide Field Small Aperture Telescopes with Deep Neural Networks and Calibration Data [11.909250072362264]
  点拡散関数 (PSF) は望遠鏡の状態を反映する。 視界全体の任意の位置におけるPSFの推定は、光学系によって誘導される収差が非常に複雑であるため困難である。 我々は、さらにディープニューラルネットワーク(DNN)に基づくPSFモデリング法を開発し、そのPSF推定への応用を示す。
  論文  参考訳（メタデータ） (2020-11-20T07:26:02Z)
• DeepFocus: a Few-Shot Microscope Slide Auto-Focus using a Sample Invariant CNN-based Sharpness Function [6.09170287691728]
  オートフォーカス(AF)法は、例えばタイムラプスを取得するために生体顕微鏡で広く用いられている。 現在のハードウェアベースの手法では、顕微鏡と画像ベースのアルゴリズムを変更する必要がある。 我々はMicro-Managerプラグインとして実装したAFメソッドであるDeepFocusを提案する。
  論文  参考訳（メタデータ） (2020-01-02T23:29:11Z)

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。