論文の概要: Statistical Inference for Coadded Astronomical Images

• arxiv url: http://arxiv.org/abs/2211.09300v1
• Date: Thu, 17 Nov 2022 02:28:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-18 17:23:39.362125
• Title: Statistical Inference for Coadded Astronomical Images
• Title（参考訳）: 付加天文学画像の統計的推測
• Authors: Mallory Wang, Ismael Mendoza, Cheng Wang, Camille Avestruz, Jeffrey Regier
• Abstract要約: 付加された天体画像は、複数の単一露光画像を積み重ねて生成される。 付加された画像は、要約した単一露光画像よりもデータサイズが小さい。 本稿では, 光源パラメータ推定のための原理的ベイズ的手法を提案する。
• 参考スコア（独自算出の注目度）: 10.457887725425111
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coadded astronomical images are created by stacking multiple single-exposure images. Because coadded images are smaller in terms of data size than the single-exposure images they summarize, loading and processing them is less computationally expensive. However, image coaddition introduces additional dependence among pixels, which complicates principled statistical analysis of them. We present a principled Bayesian approach for performing light source parameter inference with coadded astronomical images. Our method implicitly marginalizes over the single-exposure pixel intensities that contribute to the coadded images, giving it the computational efficiency necessary to scale to next-generation astronomical surveys. As a proof of concept, we show that our method for estimating the locations and fluxes of stars using simulated coadds outperforms a method trained on single-exposure images.
• Abstract（参考訳）: 共添加された天文学画像は、複数の単射像を積み重ねることで作成される。 coaddedイメージは、要約したシングルエクスポージャーイメージよりもデータサイズが小さいため、読み込みと処理は計算コストが低くなります。 しかし、画像共添加は画素間のさらなる依存をもたらし、それらの原理的な統計分析を複雑にする。 本稿では,天文画像を用いた光源パラメータ推定を行うための原理ベイズ法を提案する。 本手法は,コ加算画像に寄与する単一露光画素強度を暗黙的に限界化し,次世代天文調査にスケールするために必要な計算効率を与える。 概念実証として,シミュレートされたコ加算を用いた恒星の位置とフラックスを推定する手法が,単一露光画像で学習した手法よりも優れていることを示す。

関連論文リスト

• Ground-based image deconvolution with Swin Transformer UNet [2.41675832913699]
  Swin Transformerアーキテクチャを用いた2段階のデコンボリューションフレームワークを提案する。 我々の研究は、ディープラーニングベースのソリューションが、科学的分析の範囲を制限してバイアスをもたらすことを明らかにした。 本稿では,スポーシティウェーブレットフレームワークの活性係数に依存する新しい第3ステップを提案する。
  論文  参考訳（メタデータ） (2024-05-13T15:30:41Z)
• Learning from small data sets: Patch-based regularizers in inverse problems for image reconstruction [1.1650821883155187]
  機械学習の最近の進歩は、ネットワークを訓練するために大量のデータとコンピュータ能力を必要とする。 本稿は,ごく少数の画像のパッチを考慮に入れることで,小さなデータセットから学習する問題に対処する。 本稿では,Langevin Monte Carlo法を用いて後部を近似することにより,不確実な定量化を実現する方法を示す。
  論文  参考訳（メタデータ） (2023-12-27T15:30:05Z)
• SplitNeRF: Split Sum Approximation Neural Field for Joint Geometry, Illumination, and Material Estimation [65.99344783327054]
  本稿では, 実世界の物体の形状, 材料特性, 照明特性を推定してデジタル化する手法を提案する。 提案手法は,実時間物理ベースのレンダリングに画像ベースの照明で使用される分割和近似を,レーダランスニューラルネットワーク(NeRF)パイプラインに組み込む。 提案手法は,NVIDIA A100 GPUを1つのGPUで1時間に1ドル程度のトレーニングをした後で,最先端のリライト品質を実現することができる。
  論文  参考訳（メタデータ） (2023-11-28T10:36:36Z)
• Learning to Kindle the Starlight [15.051722304804455]
  実写355点と半合成854点の星場画像を含む最初の星場画像強調ベンチマーク(SFIEB)を構築した。 本稿では,条件付き縮退拡散確率モデル(DDPM)に基づく第1の星場画像強調手法,すなわちStarDiffusionを提案する。 実験の結果,提案手法は最先端の低照度画像強調アルゴリズムに勝る有望な結果を示した。
  論文  参考訳（メタデータ） (2022-11-16T20:48:46Z)
• Incorporating Texture Information into Dimensionality Reduction for High-Dimensional Images [65.74185962364211]
  距離ベース次元削減手法に周辺情報を組み込む手法を提案する。 画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
  論文  参考訳（メタデータ） (2022-02-18T13:17:43Z)
• Partial-Attribution Instance Segmentation for Astronomical Source Detection and Deblending [0.24920602678297968]
  深層学習モデルに適した方法でソースの検出と検証を可能にする、Partial-Attribution Instancesと呼ばれる新しいアプローチを導入する。 提案手法の実証として,新しいニューラルネットワークの実装を提案する。
  論文  参考訳（メタデータ） (2022-01-12T21:59:13Z)
• Non-Homogeneous Haze Removal via Artificial Scene Prior and Bidimensional Graph Reasoning [52.07698484363237]
  本研究では,人工シーンの前置と2次元グラフ推論による不均質なヘイズ除去ネットワーク(nhrn)を提案する。 本手法は,単一画像デハジングタスクとハイザイ画像理解タスクの両方において,最先端アルゴリズムよりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2021-04-05T13:04:44Z)
• Relighting Images in the Wild with a Self-Supervised Siamese Auto-Encoder [62.580345486483886]
  本研究では,野生の単一ビュー画像の自己教師付きリライティング手法を提案する。 この方法は、イメージを2つの別々のエンコーディングに分解するオートエンコーダに基づいている。 Youtube 8MやCelebAなどの大規模データセットでモデルをトレーニングします。
  論文  参考訳（メタデータ） (2020-12-11T16:08:50Z)
• Single Image Brightening via Multi-Scale Exposure Fusion with Hybrid Learning [48.890709236564945]
  小さいISOと小さな露光時間は、通常、背面または低い光条件下で画像をキャプチャするために使用される。 本稿では、そのような画像を明るくするために、単一の画像輝度化アルゴリズムを提案する。 提案アルゴリズムは,露出時間が大きい2つの仮想画像を生成するための,ユニークなハイブリッド学習フレームワークを含む。
  論文  参考訳（メタデータ） (2020-07-04T08:23:07Z)
• PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models [77.32079593577821]
  PULSE (Photo Upsampling via Latent Space Exploration) は、それまで文献になかった解像度で高解像度でリアルな画像を生成する。 本手法は, 従来よりも高分解能, スケールファクターの知覚品質において, 最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-08T16:44:31Z)

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。