論文の概要: High-Resolution CMB Lensing Reconstruction with Deep Learning
- arxiv url: http://arxiv.org/abs/2205.07368v1
- Date: Sun, 15 May 2022 19:58:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-18 03:41:53.963330
- Title: High-Resolution CMB Lensing Reconstruction with Deep Learning
- Title（参考訳）: 深層学習による高分解能cmbレンズ再構成
- Authors: Peikai Li and Ipek Ilayda Onur and Scott Dodelson and Shreyas
Chaudhari
- Abstract要約: 我々は、レンズ収束場を再構成するために、GAN(Generative Adversarial Network)を適用した。
このプロセスでは、様々なパワースペクトルによって生成されたトレーニングセットを、メソッドのテストで使用されるものではなく、使用する。
- 参考スコア（独自算出の注目度）: 4.6453787256723365
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Next-generation cosmic microwave background (CMB) surveys are expected to
provide valuable information about the primordial universe by creating maps of
the mass along the line of sight. Traditional tools for creating these lensing
convergence maps include the quadratic estimator and the maximum likelihood
based iterative estimator. Here, we apply a generative adversarial network
(GAN) to reconstruct the lensing convergence field. We compare our results with
a previous deep learning approach -- Residual-UNet -- and discuss the pros and
cons of each. In the process, we use training sets generated by a variety of
power spectra, rather than the one used in testing the methods.
- Abstract（参考訳）: 次世代宇宙マイクロ波背景調査(cmb)は、視線に沿って質量の地図を作成することで、原始宇宙の貴重な情報を提供するものと期待されている。
これらのレンズ収束写像を作成する伝統的なツールには、二次推定子と最大確率に基づく反復推定子がある。
本稿では、GAN(Generative Adversarial Network)を用いてレンズ収束場を再構成する。
我々は、過去のディープラーニングアプローチであるsustains-unetと比較し、それぞれの長所と短所について論じる。
このプロセスでは、様々なパワースペクトルによって生成されたトレーニングセットを、メソッドのテストで使用されるものではなく、使用する。
関連論文リスト
- fCOP: Focal Length Estimation from Category-level Object Priors [31.415919453036]
そこで本研究では,カテゴリレベルの対象先行値を用いた単眼焦点距離推定手法を提案する。
シミュレーションおよび実世界のデータを用いた実験により,提案手法が現在の最先端技術より優れていることを示す。
論文 参考訳（メタデータ） (2024-09-29T10:16:28Z) - LADDER: Revisiting the Cosmic Distance Ladder with Deep Learning Approaches and Exploring its Applications [1.4330510916280879]
LADDERはパンテオンIa型超新星の観測データに基づいて訓練されている。
宇宙論的な文脈における我々の手法の応用を実証し、一貫性チェックのためのモデルに依存しないツールとして機能する。
論文 参考訳（メタデータ） (2024-01-30T14:06:09Z) - Self-Supervised Learning based Depth Estimation from Monocular Images [0.0]
単色深度推定の目標は、入力として2次元単色RGB画像が与えられた深度マップを予測することである。
我々は、トレーニング中に固有のカメラパラメータを実行し、我々のモデルをさらに一般化するために天気増悪を適用することを計画している。
論文 参考訳（メタデータ） (2023-04-14T07:14:08Z) - Pixelated Reconstruction of Foreground Density and Background Surface
Brightness in Gravitational Lensing Systems using Recurrent Inference
Machines [116.33694183176617]
我々は、リカレント推論マシンに基づくニューラルネットワークを用いて、背景画像の歪みのない画像と、画素マップとしてのレンズ質量密度分布を再構成する。
従来のパラメトリックモデルと比較して、提案手法はより表現力が高く、複雑な質量分布を再構成することができる。
論文 参考訳（メタデータ） (2023-01-10T19:00:12Z) - 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) - Multi-Frame Self-Supervised Depth with Transformers [33.00363651105475]
本稿では,コストボリューム生成のためのトランスフォーマーアーキテクチャを提案する。
深度分布型エピポーラサンプリングを用いて、マッチング候補を選択する。
私たちは、一連の自己と横断的なレイヤを通じて予測を洗練します。
論文 参考訳（メタデータ） (2022-04-15T19:04:57Z) - Deep Reparametrization of Multi-Frame Super-Resolution and Denoising [167.42453826365434]
本稿では,多フレーム画像復元作業によく用いられる最大後部定式化の深部再パラメータ化を提案する。
提案手法は,学習された誤差メトリックと,対象画像の潜在表現を導入することによって導かれる。
我々は、バースト復調およびバースト超解像データセットに関する包括的な実験を通して、我々のアプローチを検証する。
論文 参考訳（メタデータ） (2021-08-18T17:57:02Z) - Light Field Reconstruction via Deep Adaptive Fusion of Hybrid Lenses [67.01164492518481]
本稿では,ハイブリットレンズを用いた高分解能光場(LF)画像の再構成問題について検討する。
本稿では,入力の特徴を包括的に活用できる新しいエンドツーエンド学習手法を提案する。
我々のフレームワークは、高解像度なLFデータ取得のコストを削減し、LFデータストレージと送信の恩恵を受ける可能性がある。
論文 参考訳（メタデータ） (2021-02-14T06:44:47Z) - Deep Keypoint-Based Camera Pose Estimation with Geometric Constraints [80.60538408386016]
連続するフレームから相対的なカメラのポーズを推定することは、視覚計測の基本的な問題である。
本稿では,検出,特徴抽出,マッチング,外乱除去のための学習可能なモジュールで構成されるエンドツーエンドのトレーニング可能なフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-29T21:41:31Z) - Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。
まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。
これらの深度マップは、異なるビューを粗く整列するために使用される。
本稿では,新しい多視点反射率推定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） (2020-03-27T21:28:54Z)
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。