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
- bit2bit: 1-bit quanta video reconstruction via self-supervised photon prediction [57.199618102578576]
疎二分量時間画像データから高画質の画像スタックを元の解像度で再構成する新しい方法であるbit2bitを提案する。
Poisson denoisingの最近の研究に触発されて、スパースバイナリ光子データから高密度な画像列を生成するアルゴリズムを開発した。
本研究では,様々な課題の画像条件下でのSPADの高速映像を多種多種に含む新しいデータセットを提案する。
論文 参考訳（メタデータ） (2024-10-30T17:30:35Z) - Zero-Shot Detection of AI-Generated Images [54.01282123570917]
AI生成画像を検出するゼロショットエントロピー検出器(ZED)を提案する。
機械によるテキスト検出の最近の研究に触発された私たちのアイデアは、分析対象の画像が実際の画像のモデルと比較してどれだけ驚くかを測定することである。
ZEDは精度の点でSoTAよりも平均3%以上改善されている。
論文 参考訳（メタデータ） (2024-09-24T08:46:13Z) - From Pixels to Prose: A Large Dataset of Dense Image Captions [76.97493750144812]
PixelProseは、合成されたキャプション16万あまりの包括的データセットである。
データ整合性を確保するため、問題のあるコンテンツのデータセットを厳格に分析します。
また、透かしの存在や美的スコアなどの貴重なメタデータも提供します。
論文 参考訳（メタデータ） (2024-06-14T17:59:53Z) - Parameter-Inverted Image Pyramid Networks [49.35689698870247]
Inverted Image Pyramid Networks (PIIP) と呼ばれる新しいネットワークアーキテクチャを提案する。
私たちの中核となる考え方は、パラメータサイズの異なるモデルを使用して、画像ピラミッドの解像度の異なるレベルを処理することです。
PIIPは、オブジェクト検出、セグメンテーション、画像分類などのタスクにおいて優れたパフォーマンスを達成する。
論文 参考訳（メタデータ） (2024-06-06T17:59:10Z) - PixOOD: Pixel-Level Out-of-Distribution Detection [0.0]
本稿では、異常データのサンプルのトレーニングを必要としないPixOODと呼ばれる高密度画像予測アルゴリズムを提案する。
画素レベルでの分布内データの複雑なクラス内変動をモデル化するために,オンラインデータ凝縮アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-05-30T09:41:10Z) - Splatter Image: Ultra-Fast Single-View 3D Reconstruction [67.96212093828179]
Splatter ImageはGaussian Splattingをベースにしており、複数の画像から3Dシーンを高速かつ高品質に再現することができる。
テスト時に38FPSでフィードフォワードで再構成を行うニューラルネットワークを学習する。
いくつかの総合、実、マルチカテゴリ、大規模ベンチマークデータセットにおいて、トレーニング中にPSNR、LPIPS、その他のメトリクスでより良い結果を得る。
論文 参考訳（メタデータ） (2023-12-20T16:14:58Z) - 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) - 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) - 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) - 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。