論文の概要: Half-sibling regression meets exoplanet imaging: PSF modeling and
subtraction using a flexible, domain knowledge-driven, causal framework
- arxiv url: http://arxiv.org/abs/2204.03439v1
- Date: Thu, 7 Apr 2022 13:34:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-08 15:53:57.032161
- Title: Half-sibling regression meets exoplanet imaging: PSF modeling and
subtraction using a flexible, domain knowledge-driven, causal framework
- Title（参考訳）: 半兄弟レグレッションと外惑星イメージング:柔軟なドメイン知識駆動型因果的枠組みを用いたPSFモデリングとサブトラクション
- Authors: Timothy D. Gebhard and Markus J. Bonse and Sascha P. Quanz and
Bernhard Sch\"olkopf
- Abstract要約: 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。
- 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: High-contrast imaging of exoplanets hinges on powerful post-processing
methods to denoise the data and separate the signal of a companion from its
host star, which is typically orders of magnitude brighter. Existing
post-processing algorithms do not use all prior domain knowledge that is
available about the problem. We propose a new method that builds on our
understanding of the systematic noise and the causal structure of the
data-generating process. Our algorithm is based on a modified version of
half-sibling regression (HSR), a flexible denoising framework that combines
ideas from the fields of machine learning and causality. We adapt the method to
address the specific requirements of high-contrast exoplanet imaging data
obtained in pupil tracking mode. The key idea is to estimate the systematic
noise in a pixel by regressing the time series of this pixel onto a set of
causally independent, signal-free predictor pixels. We use regularized linear
models in this work; however, other (non-linear) models are also possible. In a
second step, we demonstrate how the HSR framework allows us to incorporate
observing conditions such as wind speed or air temperature as additional
predictors. When we apply our method to four data sets from the VLT/NACO
instrument, our algorithm provides a better false-positive fraction than
PCA-based PSF subtraction, a popular baseline method in the field.
Additionally, we find that the HSR-based method provides direct and accurate
estimates for the contrast of the exoplanets without the need to insert
artificial companions for calibration in the data sets. Finally, we present
first evidence that using the observing conditions as additional predictors can
improve the results. Our HSR-based method provides an alternative, flexible and
promising approach to the challenge of modeling and subtracting the stellar PSF
and systematic noise in exoplanet imaging data.
- Abstract（参考訳）: 太陽系外惑星の高コントラストイメージングは、データを無声化し、伴星のシグナルを主星から分離する強力な後処理法にかかっている。
既存のポストプロセッシングアルゴリズムは、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。
我々のアルゴリズムは半兄弟回帰(HSR)の修正版に基づいており、機械学習と因果関係の分野のアイデアを組み合わせたフレキシブルな denoising フレームワークである。
本研究では,瞳孔追跡モードで得られた高コントラスト外惑星イメージングデータの要求に適応する。
鍵となるアイデアは、このピクセルの時系列を因果的に独立な信号のない予測ピクセルのセットに回帰することで、ピクセル内の系統的なノイズを推定することである。
この研究では正規化線形モデルを用いるが、他の(非線形)モデルも可能である。
第2のステップでは、風速や気温などの観測条件を追加の予測器として組み込むことで、HSRフレームワークがどのように実現できるかを実証する。
本手法をvlt/naco計器から4つのデータセットに適用した場合,本手法はpcaベースのpsf減算よりも良好な偽陽性率を提供する。
さらに,HSRに基づく手法は,データセットの校正のために人工的なコンパニオンを挿入することなく,太陽系外惑星のコントラストの直接的かつ正確な推定を行う。
最後に,観測条件を付加的な予測器として用いることにより,結果が向上することを示す。
hsrベースの手法は、太陽系外惑星画像データにおける恒星psfのモデル化と減算と系統的ノイズに対する、代替的で柔軟で有望なアプローチを提供する。
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) - Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring [48.80983873199214]
我々は,飽和画素を学習潜時マップでモデル化するデータ駆動型手法を開発した。
新しいモデルに基づいて、非盲検除色タスクを最大後部(MAP)問題に定式化することができる。
増幅されたアーティファクトを使わずに高品質な劣化画像を推定するために,我々は事前推定ネットワークを構築した。
論文 参考訳（メタデータ） (2023-08-10T12:53:30Z) - ExposureDiffusion: Learning to Expose for Low-light Image Enhancement [87.08496758469835]
この研究は、拡散モデルと物理ベースの露光モデルとをシームレスに統合することで、この問題に対処する。
提案手法は,バニラ拡散モデルと比較して性能が大幅に向上し,推論時間を短縮する。
提案するフレームワークは、実際のペア付きデータセット、SOTAノイズモデル、および異なるバックボーンネットワークの両方で動作する。
論文 参考訳（メタデータ） (2023-07-15T04:48:35Z) - Combining multi-spectral data with statistical and deep-learning models
for improved exoplanet detection in direct imaging at high contrast [39.90150176899222]
太陽系外惑星の信号は、いくつかの観測と専用の検出アルゴリズムを組み合わせることでのみ識別できる。
我々は,観測結果から直接,ニュアンスの空間的,時間的,スペクトル的特性のモデルを学ぶ。
その後、畳み込みニューラルネットワーク(CNN)が教師ありの方法で訓練され、合成源の残像を検出する。
論文 参考訳（メタデータ） (2023-06-21T13:42:07Z) - Poisson-Gaussian Holographic Phase Retrieval with Score-based Image
Prior [19.231581775644617]
本稿では,スコア関数を先行生成関数とする高速化されたWirtinger Flow (AWF) を用いた新しいアルゴリズム"AWFS"を提案する。
PRの対数様関数の勾配を計算し、リプシッツ定数を決定する。
本稿では,提案アルゴリズムの臨界点収束保証を確立する理論的解析を行う。
論文 参考訳（メタデータ） (2023-05-12T18:08:47Z) - Reflected Diffusion Models [93.26107023470979]
本稿では,データのサポートに基づいて進化する反射微分方程式を逆転する反射拡散モデルを提案する。
提案手法は,一般化されたスコアマッチング損失を用いてスコア関数を学習し,標準拡散モデルの主要成分を拡張する。
論文 参考訳（メタデータ） (2023-04-10T17:54:38Z) - RelPose: Predicting Probabilistic Relative Rotation for Single Objects
in the Wild [73.1276968007689]
本稿では、任意のオブジェクトの複数の画像からカメラ視点を推定するデータ駆動手法について述べる。
本手法は, 画像の鮮明さから, 最先端のSfM法とSLAM法より優れていることを示す。
論文 参考訳（メタデータ） (2022-08-11T17:59:59Z) - Deep Learning Adapted Acceleration for Limited-view Photoacoustic
Computed Tomography [1.8830359888767887]
光音響計算トモグラフィ(PACT)は、PA信号検出のための超音波トランスデューサアレイでターゲットを照らすために、焦点のない大面積の光を使用する。
限定ビュー問題は、幾何学的条件の制限により、PACTの低画質の画像を引き起こす可能性がある。
数学的変動モデルとディープラーニングを組み合わせたモデルベース手法を提案する。
論文 参考訳（メタデータ） (2021-11-08T02:05:58Z) - Score-based diffusion models for accelerated MRI [35.3148116010546]
本研究では,画像中の逆問題を容易に解けるような条件分布からデータをサンプリングする方法を提案する。
我々のモデルは、訓練のためにのみ等級画像を必要とするが、複雑な値のデータを再構成することができ、さらに並列画像まで拡張できる。
論文 参考訳（メタデータ） (2021-10-08T08:42:03Z) - Learning Spatial and Spatio-Temporal Pixel Aggregations for Image and
Video Denoising [104.59305271099967]
ピクセル集計ネットワークを提示し、画像デノイジングのためのピクセルサンプリングと平均戦略を学びます。
時間空間にまたがるサンプル画素をビデオデノナイズするための画素集約ネットワークを開発した。
本手法は,動的シーンにおける大きな動きに起因する誤認問題を解決することができる。
論文 参考訳（メタデータ） (2021-01-26T13:00:46Z) - Physically constrained causal noise models for high-contrast imaging of
exoplanets [7.025418443146435]
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。
論文 参考訳（メタデータ） (2020-10-12T10:35:03Z)
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。