論文の概要: High Resolution Solar Image Generation using Generative Adversarial
Networks
- arxiv url: http://arxiv.org/abs/2106.03814v1
- Date: Mon, 7 Jun 2021 17:24:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-08 21:13:27.927753
- Title: High Resolution Solar Image Generation using Generative Adversarial
Networks
- Title(参考訳): 生成逆数ネットワークを用いた高分解能太陽画像生成
- Authors: Ankan Dash, Junyi Ye, Guiling Wang
- Abstract要約: 我々は、GAN(Generative Adversarial Networks)と呼ばれるディープラーニングアルゴリズムを適用し、太陽画像から画像への変換を行った。
高解像度の太陽画像を生成するには、Pix2PixHDとPix2Pixアルゴリズムを用いる。
我々の研究は、SDO/HMIのPix2PixHDアルゴリズムをSDO/AIA0304画像から画像への変換に活用する最初の試みである。
- 参考スコア(独自算出の注目度): 2.9327503320877457
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We applied Deep Learning algorithm known as Generative Adversarial Networks
(GANs) to perform solar image-to-image translation. That is, from Solar
Dynamics Observatory (SDO)/Helioseismic and Magnetic Imager(HMI) line of sight
magnetogram images to SDO/Atmospheric Imaging Assembly(AIA) 0304-{\AA} images.
The Ultraviolet(UV)/Extreme Ultraviolet(EUV) observations like the
SDO/AIA0304-{\AA} images were only made available to scientists in the late
1990s even though the magenetic field observations like the SDO/HMI have been
available since the 1970s. Therefore by leveraging Deep Learning algorithms
like GANs we can give scientists access to complete datasets for analysis. For
generating high resolution solar images we use the Pix2PixHD and Pix2Pix
algorithms. The Pix2PixHD algorithm was specifically designed for high
resolution image generation tasks, and the Pix2Pix algorithm is by far the most
widely used image to image translation algorithm. For training and testing we
used the data for the year 2012, 2013 and 2014. The results show that our deep
learning models are capable of generating high resolution(1024 x 1024 pixels)
AIA0304 images from HMI magnetograms. Specifically, the pixel-to-pixel Pearson
Correlation Coefficient of the images generated by Pix2PixHD and original
images is as high as 0.99. The number is 0.962 if Pix2Pix is used to generate
images. The results we get for our Pix2PixHD model is better than the results
obtained by previous works done by others to generate AIA0304 images. Thus, we
can use these models to generate AIA0304 images when the AIA0304 data is not
available which can be used for understanding space weather and giving
researchers the capability to predict solar events such as Solar Flares and
Coronal Mass Ejections. As far as we know, our work is the first attempt to
leverage Pix2PixHD algorithm for SDO/HMI to SDO/AIA0304 image-to-image
translation.
- Abstract(参考訳): 我々は、GAN(Generative Adversarial Networks)と呼ばれるディープラーニングアルゴリズムを適用し、太陽画像から画像への変換を行った。
つまり、Solar Dynamics Observatory (SDO)/Helioseismic and Magnetic Imager (HMI) からSDO/Atmospheric Imaging Assembly (AIA) 0304-{\AA} まで。
SDO/AIA0304-{\AA}画像のような紫外線(UV)/極紫外(EUV)観測は、SDO/HMIのようなマジェネティックフィールドの観測が1970年代から行われているにもかかわらず、1990年代後半に科学者にしか利用できなかった。
したがって、GANのようなディープラーニングアルゴリズムを活用することで、分析のために完全なデータセットにアクセスできるようになる。
高解像度の太陽画像を生成するには、Pix2PixHDとPix2Pixアルゴリズムを用いる。
Pix2PixHDアルゴリズムは高解像度の画像生成タスク用に特別に設計されており、Pix2Pixアルゴリズムは最も広く使われている画像から画像への変換アルゴリズムである。
トレーニングとテストには、このデータを2012年、2013年、2014年に使用しました。
その結果,HMIマグネティックグラムから高解像度(1024×1024ピクセル)のAIA0304画像を生成することができることがわかった。
具体的には、pix2pixhdとオリジナル画像が生成する画像の画素対画素ピアソン相関係数が0.99である。
Pix2Pixが画像を生成するために使用される場合は0.962である。
Pix2PixHDモデルで得られた結果は、AIA0304画像を生成するために他の研究が行った結果より優れている。
したがって、AIA0304データが得られない場合、これらのモデルを使用してAIA0304画像を生成することができ、宇宙天気の理解や、太陽フレアやコロナ質量放出のような太陽現象を予測することができる。
私たちの研究は、SDO/HMIのPix2PixHDアルゴリズムをSDO/AIA0304画像から画像への変換に活用する最初の試みです。
関連論文リスト
- STEREOFOG -- Computational DeFogging via Image-to-Image Translation on a
real-world Dataset [0.8702432681310401]
画像から画像への変換(I2I)は機械学習(ML)のサブタイプであり、アプリケーションに非常に大きな可能性を秘めている。
sterEOFOGは10,067ドル(約10,067円)のぼかしと鮮明な画像からなるデータセットである。
pix2pix I2I MLフレームワークをこのデータセットに適用し、最適化する。
論文 参考訳(メタデータ) (2023-12-04T21:07:13Z) - Neural-based Compression Scheme for Solar Image Data [8.374518151411612]
我々は、NASAのデータ集約画像ミッションで使用されるニューラルネットワークに基づく損失圧縮手法を提案する。
本研究では,画像の局所構造と大域構造の両方を捉えるために,局所的および非局所的アテンションモジュールを備えた逆トレーニングニューラルネットワークを提案する。
このアルゴリズムをSDOデータ解析に使用するための概念実証として、圧縮画像を用いてコロナホール(CH)検出を行った。
論文 参考訳(メタデータ) (2023-11-06T04:13:58Z) - Visible to Thermal image Translation for improving visual task in low
light conditions [0.0]
Parrot Anafi Thermalのドローンを使って、2つの場所から画像を収集した。
我々は2ストリームネットワークを作成し、前処理、拡張、画像データを作成し、ジェネレータと識別器モデルをゼロから訓練した。
その結果, RGB トレーニングデータを GAN を用いて熱データに変換することが可能であることが示唆された。
論文 参考訳(メタデータ) (2023-10-31T05:18:53Z) - A Large Scale Homography Benchmark [52.55694707744518]
1DSfMデータセットから10万枚の画像から約1000個の平面が観測された3D, Pi3Dの平面の大規模データセットを示す。
また,Pi3Dを利用した大規模ホモグラフィ推定ベンチマークであるHEBを提案する。
論文 参考訳(メタデータ) (2023-02-20T14:18:09Z) - Using a Conditional Generative Adversarial Network to Control the
Statistical Characteristics of Generated Images for IACT Data Analysis [55.41644538483948]
画像のプロパティの値に応じて、画像を複数のクラスに分割し、新しい画像を生成する際に必要なクラスを指定する。
大気圧チェレンコフ望遠鏡(IACT)の画像の場合、重要な点は全画像ピクセル(画像サイズ)の明るさである。
我々は,TAIGA-IACT実験で得られた画像と類似した画像を生成するために,cGAN技術を使用した。
論文 参考訳(メタデータ) (2022-11-28T22:30:33Z) - Probabilistic Deep Metric Learning for Hyperspectral Image
Classification [91.5747859691553]
本稿では,ハイパースペクトル画像分類のための確率論的深度学習フレームワークを提案する。
ハイパースペクトルセンサーが捉えた画像に対して、各ピクセルのカテゴリを予測することを目的としている。
我々のフレームワークは、既存のハイパースペクトル画像分類法に容易に適用できる。
論文 参考訳(メタデータ) (2022-11-15T17:57:12Z) - Accelerated Deep Lossless Image Coding with Unified Paralleleized GPU
Coding Architecture [1.2124289787900182]
我々のアルゴリズムはエントロピーエンコーダと組み合わせたニューラルネットワークに基づいている。
ニューラルネットワークは、ソース画像の各画素に対して密度推定を行う。
次に、密度推定を用いて対象画素を符号化し、圧縮率でFLIFを上回ります。
論文 参考訳(メタデータ) (2022-07-11T19:34:56Z) - PixelFolder: An Efficient Progressive Pixel Synthesis Network for Image
Generation [88.55256389703082]
Pixelは画像生成のための有望な研究パラダイムである。
本稿では,Pixel のような効率的な画像生成に向けたプログレッシブピクセル合成ネットワークを提案する。
Pixelは支出を大幅に減らし、2つのベンチマークデータセットで新しい最先端(SOTA)パフォーマンスを得る。
論文 参考訳(メタデータ) (2022-04-02T10:55:11Z) - CIPS-3D: A 3D-Aware Generator of GANs Based on Conditionally-Independent
Pixel Synthesis [148.4104739574094]
本稿では,浅いNeRFネットワークと深い暗黙のニューラル表現ネットワークからなるスタイルベースの3D対応ジェネレータであるCIPS-3Dを提案する。
ジェネレータは、空間畳み込みやアップサンプリング操作をすることなく、各画素値を独立して合成する。
FFHQの256times256$解像度で、画像のFIDが6.97で3D対応画像合成の新記録を樹立した。
論文 参考訳(メタデータ) (2021-10-19T08:02:16Z) - Small Lesion Segmentation in Brain MRIs with Subpixel Embedding [105.1223735549524]
ヒト脳のMRIスキャンを虚血性脳梗塞と正常組織に分割する方法を提案する。
本稿では,空間展開埋め込みネットワークによって予測を導出する標準エンコーダデコーダの形式でニューラルネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-09-18T00:21:17Z) - Graph2Pix: A Graph-Based Image to Image Translation Framework [0.019573380763700708]
画像を生成するためのグラフベース画像変換フレームワークを提案する。
私たちは人気のクリエイティビティプラットフォームであるArtbreederから収集されたリッチなデータを使用します。
この構造に着想を得て、グラフと対応する画像を入力として取り出し、出力として単一の画像を生成する、Graph2Pixと呼ばれる新しいグラフから画像への変換モデルを提案する。
論文 参考訳(メタデータ) (2021-08-22T15:20:06Z)
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。