Fugu-MT 論文翻訳(概要): Galaxy Image Translation with Semi-supervised Noise-reconstructed Generative Adversarial Networks

論文の概要: Galaxy Image Translation with Semi-supervised Noise-reconstructed Generative Adversarial Networks

arxiv url: http://arxiv.org/abs/2101.07389v1
Date: Tue, 19 Jan 2021 00:43:14 GMT
ステータス: 処理完了
システム内更新日: 2021-03-26 10:05:10.660998
Title: Galaxy Image Translation with Semi-supervised Noise-reconstructed Generative Adversarial Networks
Title（参考訳）: 半教師付きノイズ再構成型生成逆ネットワークによる銀河画像の翻訳
Authors: Qiufan Lin and Dominique Fouchez and J\'er\^ome Pasquet
Abstract要約: 半教師付き方式でペア画像とペア画像の両方を利用するGANを用いた双方向画像翻訳モデルを提案する。提案手法は,グローバルおよびローカルな特性を効果的に回復し,ベンチマーク画像翻訳モデルより優れていることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Image-to-image translation with Deep Learning neural networks, particularly with Generative Adversarial Networks (GANs), is one of the most powerful methods for simulating astronomical images. However, current work is limited to utilizing paired images with supervised translation, and there has been rare discussion on reconstructing noise background that encodes instrumental and observational effects. These limitations might be harmful for subsequent scientific applications in astrophysics. Therefore, we aim to develop methods for using unpaired images and preserving noise characteristics in image translation. In this work, we propose a two-way image translation model using GANs that exploits both paired and unpaired images in a semi-supervised manner, and introduce a noise emulating module that is able to learn and reconstruct noise characterized by high-frequency features. By experimenting on multi-band galaxy images from the Sloan Digital Sky Survey (SDSS) and the Canada France Hawaii Telescope Legacy Survey (CFHT), we show that our method recovers global and local properties effectively and outperforms benchmark image translation models. To our best knowledge, this work is the first attempt to apply semi-supervised methods and noise reconstruction techniques in astrophysical studies.
Abstract（参考訳）: ディープラーニングニューラルネットワークを用いた画像から画像への翻訳、特にgans(generative adversarial network)は、天文学的なイメージをシミュレートする最も強力な方法の1つである。しかし、現在の研究はペア画像と教師付き翻訳の活用に限られており、器用・観察的効果を符号化するノイズ背景の再構築に関する議論は稀である。これらの制限は、天体物理学におけるその後の科学的応用に有害である可能性がある。そこで本稿では,画像翻訳における未ペア画像の使用とノイズ特性の保存方法を提案する。本研究では,ペア画像とペア画像の両方を半教師付きで活用するGANを用いた双方向画像翻訳モデルを提案し,高周波特徴を特徴とする雑音の学習と再構成が可能なノイズエミュレーションモジュールを提案する。 Sloan Digital Sky Survey (SDSS) と Canada France Hawaii Telescope Legacy Survey (CFHT) のマルチバンド・ギャラクシー・イメージを実験することにより,本手法はグローバル・ローカルな特性を効果的に回復し,ベンチマーク画像変換モデルより優れていることを示す。我々の知る限り、この研究は天体物理学研究に半教師付き手法とノイズ再構成技術を適用する最初の試みである。
全文参考訳へのリンク