論文の概要: Physically constrained causal noise models for high-contrast imaging of exoplanets

• arxiv url: http://arxiv.org/abs/2010.05591v2
• Date: Wed, 9 Dec 2020 17:04:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 08:02:14.700852
• Title: Physically constrained causal noise models for high-contrast imaging of exoplanets
• Title（参考訳）: 太陽系外惑星の高コントラストイメージングのための物理的制約付き因果ノイズモデル
• Authors: Timothy D. Gebhard, Markus J. Bonse, Sascha P. Quanz, Bernhard Sch\"olkopf
• Abstract要約: 修正された半兄弟回帰スキームに基づく後処理の新しい手法を提案する。 私たちはこのフレームワークを使って、機械学習と既存の科学領域の知識を組み合わせる方法を示します。
• 参考スコア（独自算出の注目度）: 7.025418443146435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The detection of exoplanets in high-contrast imaging (HCI) data hinges on post-processing methods to remove spurious light from the host star. So far, existing methods for this task hardly utilize any of the available domain knowledge about the problem explicitly. We propose a new approach to HCI post-processing based on a modified half-sibling regression scheme, and show how we use this framework to combine machine learning with existing scientific domain knowledge. On three real data sets, we demonstrate that the resulting system performs clearly better (both visually and in terms of the SNR) than one of the currently leading algorithms. If further studies can confirm these results, our method could have the potential to allow significant discoveries of exoplanets both in new and archival data.
• Abstract（参考訳）: 高コントラストイメージング(HCI)データにおける外惑星の検出は、主星からの光を除去するための後処理法に基づいている。 これまでのところ、このタスクの既存のメソッドは、この問題に関する利用可能なドメイン知識をほとんど利用していません。 本稿では,修正された半兄弟回帰スキームに基づくhciポストプロセッシングの新しいアプローチを提案し,機械学習と既存の科学的ドメイン知識を組み合わせるためにこのフレームワークをどのように利用するかを示す。 3つの実データ集合において、結果のシステムは、現在リードしているアルゴリズムの1つよりも明確に(視覚的にもSNR的にも)機能することを示した。 これらの結果がさらなる研究によって確認できれば、新しいデータとアーカイブデータの両方において、太陽系外惑星の重要な発見を可能にする可能性がある。

関連論文リスト

• MODEL&CO: Exoplanet detection in angular differential imaging by learning across multiple observations [37.845442465099396]
  ほとんどの後処理法は、対象の観測自体から核分裂のモデルを構築している。 本稿では,教師付き深層学習技術を利用して,複数観測のアーカイブからニュアンスモデルを構築することを提案する。 本稿では,提案手法をVLT/SPHERE機器から得られた複数のデータセットに適用し,高精度なリコールトレードオフを示す。
  論文  参考訳（メタデータ） (2024-09-23T09:22:45Z)
• Ground-based image deconvolution with Swin Transformer UNet [2.41675832913699]
  Swin Transformerアーキテクチャを用いた2段階のデコンボリューションフレームワークを提案する。 我々の研究は、ディープラーニングベースのソリューションが、科学的分析の範囲を制限してバイアスをもたらすことを明らかにした。 本稿では,スポーシティウェーブレットフレームワークの活性係数に依存する新しい第3ステップを提案する。
  論文  参考訳（メタデータ） (2024-05-13T15:30:41Z)
• Passive superresolution imaging of incoherent objects [63.942632088208505]
  手法は、Hermite-Gaussianモードとその重ね合わせのオーバーコンプリートベースで、画像平面内のフィールドの空間モード成分を測定することで構成される。 ディープニューラルネットワークは、これらの測定からオブジェクトを再構築するために使用される。
  論文  参考訳（メタデータ） (2023-04-19T15:53:09Z)
• Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
  医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。 データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。 比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
  論文  参考訳（メタデータ） (2022-04-09T13:04:36Z)
• Half-sibling regression meets exoplanet imaging: PSF modeling and subtraction using a flexible, domain knowledge-driven, causal framework [7.025418443146435]
  既存の後処理アルゴリズムは、問題に関して利用可能なすべての事前のドメイン知識を使用しない。 本稿では,データ生成過程の系統的ノイズと因果構造に対する理解に基づく新しい手法を提案する。 提案アルゴリズムは,PCAをベースとしたPSFサブトラクションよりも偽陽性率が高い。
  論文  参考訳（メタデータ） (2022-04-07T13:34:30Z)
• End to end hyperspectral imaging system with coded compression imaging process [13.00211539170695]
  符号化開口スペクトルイメージングシステムに基づく物理インフォームド自己監督CNN法を提案する。 本手法は、符号化されたスペクトル情報から空間スペクトルの相対化を効果的に利用し、カメラ量子効果モデルに基づく自己監視システムを構築する。
  論文  参考訳（メタデータ） (2021-09-06T13:39:54Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Single-shot Hyperspectral-Depth Imaging with Learned Diffractive Optics [72.9038524082252]
  単発単眼単眼ハイパースペクトル(HS-D)イメージング法を提案する。 本手法では, 回折光学素子 (DOE) を用いる。 DOE の学習を容易にするため,ベンチトップ HS-D イメージラーを構築することで,最初の HS-D データセットを提案する。
  論文  参考訳（メタデータ） (2020-09-01T14:19:35Z)
• S2A: Wasserstein GAN with Spatio-Spectral Laplacian Attention for Multi-Spectral Band Synthesis [13.96995818103425]
  本稿では,空間的注意と領域適応損失に基づく識別器の新しいコスト関数を提案する。 様々な地形を包含する4000以上の高解像度のシーンを合成し、科学的忠実度を解析する。
  論文  参考訳（メタデータ） (2020-04-08T08:07:00Z)
• Interpreting Galaxy Deblender GAN from the Discriminator's Perspective [50.12901802952574]
  本研究は、ネットワークの主要なコンポーネントである識別器の動作に焦点を当てるが、しばしば見落とされがちな役割を担っている。 本手法は, 生成銀河画像と地中真理画像とを区別する際に, 識別器の注意領域を明確に明らかにする。
  論文  参考訳（メタデータ） (2020-01-17T04:05:46Z)
• Spatial-Spectral Residual Network for Hyperspectral Image Super-Resolution [82.1739023587565]
  ハイパースペクトル画像超解像のための新しいスペクトル空間残差ネットワーク(SSRNet)を提案する。 提案手法は,2次元畳み込みではなく3次元畳み込みを用いて空間スペクトル情報の探索を効果的に行うことができる。 各ユニットでは空間的・時間的分離可能な3次元畳み込みを用いて空間的・スペクトル的な情報を抽出する。
  論文  参考訳（メタデータ） (2020-01-14T03:34:55Z)

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。