Fugu-MT 論文翻訳(概要): PSF--NET: A Non-parametric Point Spread Function Model for Ground Based Optical Telescopes

論文の概要: PSF--NET: A Non-parametric Point Spread Function Model for Ground Based Optical Telescopes

arxiv url: http://arxiv.org/abs/2003.00615v1
Date: Mon, 2 Mar 2020 00:17:25 GMT
ステータス: 処理完了
システム内更新日: 2022-12-27 05:59:37.076062
Title: PSF--NET: A Non-parametric Point Spread Function Model for Ground Based Optical Telescopes
Title（参考訳）: psf-net:地上光学望遠鏡のための非パラメトリック点拡散関数モデル
Authors: Peng Jia, Xuebo Wu, Yi Huang, Bojun Cai, Dongmei Cai
Abstract要約: 地上の光学望遠鏡は、大気の乱流による収差に深刻な影響を受けている。パラメトリックでない点展開関数 PSF-NET を提案する。統計的平均PSFの変動は大気乱流プロファイルの変動によって引き起こされる。
参考スコア（独自算出の注目度）: 4.228426747011707
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Ground based optical telescopes are seriously affected by atmospheric turbulence induced aberrations. Understanding properties of these aberrations is important both for instruments design and image restoration methods development. Because the point spread function can reflect performance of the whole optic system, it is appropriate to use the point spread function to describe atmospheric turbulence induced aberrations. Assuming point spread functions induced by the atmospheric turbulence with the same profile belong to the same manifold space, we propose a non-parametric point spread function -- PSF-NET. The PSF-NET has a cycle convolutional neural network structure and is a statistical representation of the manifold space of PSFs induced by the atmospheric turbulence with the same profile. Testing the PSF-NET with simulated and real observation data, we find that a well trained PSF--NET can restore any short exposure images blurred by atmospheric turbulence with the same profile. Besides, we further use the impulse response of the PSF-NET, which can be viewed as the statistical mean PSF, to analyze interpretation properties of the PSF-NET. We find that variations of statistical mean PSFs are caused by variations of the atmospheric turbulence profile: as the difference of the atmospheric turbulence profile increases, the difference between statistical mean PSFs also increases. The PSF-NET proposed in this paper provides a new way to analyze atmospheric turbulence induced aberrations, which would be benefit to develop new observation methods for ground based optical telescopes.
Abstract（参考訳）: 地上の光学望遠鏡は大気の乱流による収差に深刻な影響を受けている。これらの収差の理解は、機器設計と画像復元の手法開発において重要である。点拡散関数は光学系全体の性能を反映できるため,大気乱流による収差を記述するために点拡散関数を用いるのが適切である。同じ形状の大気乱流によって引き起こされる点拡散関数が同じ多様体空間に属することを仮定し、非パラメトリック点拡散関数 -psf-net を提案する。 PSF-NETは周期畳み込みニューラルネットワーク構造を持ち、同じ形状の大気乱流によって誘導されるPSFの多様体空間の統計的表現である。シミュレーションおよび実観測データを用いてPSF-NETを検証したところ、よく訓練されたPSF-NETは、同じプロファイルで大気乱流によってぼやけた短い露光画像を復元できることがわかった。さらに,psf-netの解釈特性を解析するために,統計平均psfと見なすことのできるpsf-netのインパルス応答を用いた。統計的平均PSFの変動は,大気乱流プロファイルの変動によって引き起こされ,大気乱流プロファイルの差が大きくなるにつれて,統計平均PSFの差も増加することがわかった。この論文で提案したPSF-NETは、大気乱流誘起収差を解析する新しい方法を提供し、地上型光学望遠鏡の新しい観測方法の開発に有用である。

関連論文リスト

Isomorphic Pruning for Vision Models [56.286064975443026]
構造化プルーニングは、冗長なサブ構造を取り除くことによって、ディープニューラルネットワークの計算オーバーヘッドを低減する。 Isomorphic Pruningは、ネットワークアーキテクチャの範囲で有効性を示すシンプルなアプローチである。
論文参考訳（メタデータ） (2024-07-05T16:14:53Z)
Data-Driven Invertible Neural Surrogates of Atmospheric Transmission [2.6938549839852524]
本稿では,スペクトル場から大気透過プロファイルを推定するための枠組みを提案する。物理に基づくシミュレータが自動的に調整され、観測されたデータをモデル化するための代理的な大気プロファイルが構築される。
論文参考訳（メタデータ） (2024-04-30T14:55:57Z)
SphereDiffusion: Spherical Geometry-Aware Distortion Resilient Diffusion Model [63.685132323224124]
制御可能な球状パノラマ画像生成は、様々な領域でかなりの応用可能性を持っている。本稿では,これらの課題に対処するために,SphereDiffusionの新しいフレームワークを提案する。 Structured3Dデータセットの実験では、SphereDiffusionは制御可能な球面画像生成の品質を大幅に改善し、平均して約35%のFIDを相対的に削減している。
論文参考訳（メタデータ） (2024-03-15T06:26:46Z)
Physics-Driven Turbulence Image Restoration with Stochastic Refinement [80.79900297089176]
大気乱流による画像歪みは、長距離光学画像システムにおいて重要な問題である。ディープラーニングモデルが現実世界の乱流条件に適応するために、高速で物理学的なシミュレーションツールが導入された。本稿では,物理統合復元ネットワーク(PiRN)を提案する。
論文参考訳（メタデータ） (2023-07-20T05:49:21Z)
Object recognition in atmospheric turbulence scenes [2.657505380055164]
乱流環境におけるオブジェクトの型を検知・分類するための歪み特徴を学習する新しいフレームワークを提案する。具体的には、変形可能な畳み込みを利用して空間変位を処理する。提案手法は平均精度(mAP)が30%を超えるベンチマークよりも優れていることを示す。
論文参考訳（メタデータ） (2022-10-25T20:21:25Z)
Single Frame Atmospheric Turbulence Mitigation: A Benchmark Study and A New Physics-Inspired Transformer Model [82.23276183684001]
本研究では,大気乱流の画像化のための物理インスピレーション付き変圧器モデルを提案する。提案ネットワークは変圧器ブロックのパワーを利用して動的乱流歪みマップを共同で抽出する。そこで本研究では,従来の客観的指標と,テキスト認識精度を用いたタスク駆動計測の両方で評価可能な,実世界の乱流データセットを新たに2つ提示する。
論文参考訳（メタデータ） (2022-07-20T17:09:16Z)
Learning to restore images degraded by atmospheric turbulence using uncertainty [93.72048616001064]
大気の乱流は、長距離イメージングシステムによって取得された画像の品質を著しく低下させることができる。本研究では,大気乱流により劣化した1つの画像の復元のための深層学習に基づくアプローチを提案する。
論文参考訳（メタデータ） (2022-07-07T17:24:52Z)
Augmentation of Atmospheric Turbulence Effects on Thermal Adapted Object Detection Models [0.0]
大気の乱流は、長距離観測システムの画質に劣化効果がある。我々は、幾何学的乱流モデルを用いて、中規模熱画像集合上での乱流効果をシミュレートする。本稿では,オブジェクト検出器の性能向上のためのデータ拡張戦略を提案する。
論文参考訳（メタデータ） (2022-04-19T08:40:00Z)
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)
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)
Learning to Restore a Single Face Image Degraded by Atmospheric Turbulence using CNNs [93.72048616001064]
このような条件下で撮影された画像は、幾何学的変形と空間のぼかしの組合せに悩まされる。乱流劣化顔画像の復元問題に対する深層学習に基づく解法を提案する。
論文参考訳（メタデータ） (2020-07-16T15:25:08Z)

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。