論文の概要: Deep learning-based deconvolution for interferometric radio transient reconstruction

• arxiv url: http://arxiv.org/abs/2306.13909v1
• Date: Sat, 24 Jun 2023 08:58:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-27 18:20:09.777028
• Title: Deep learning-based deconvolution for interferometric radio transient reconstruction
• Title（参考訳）: インターフェロメトリ無線過渡再構成のための深層学習に基づくデコンボリューション
• Authors: Benjamin Naoto Chiche, Julien N. Girard, Joana Frontera-Pons, Arnaud Woiselle, Jean-Luc Starck
• Abstract要約: LOFAR、MeerKAT/SKA、ASKAP/SKA、そして将来のSKA-LOWのような電波天文学施設は、時間と周波数に大きな感度をもたらす。 これらの施設は、自然によって揮発し、データに検出または見逃される無線過渡現象の高度な研究を可能にする。 これらのトランジェントは、電子の高エネルギー加速のマーカーであり、幅広い時間スケールで表される。
• 参考スコア（独自算出の注目度）: 0.39259415717754914
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radio astronomy is currently thriving with new large ground-based radio telescopes coming online in preparation for the upcoming Square Kilometre Array (SKA). Facilities like LOFAR, MeerKAT/SKA, ASKAP/SKA, and the future SKA-LOW bring tremendous sensitivity in time and frequency, improved angular resolution, and also high-rate data streams that need to be processed. They enable advanced studies of radio transients, volatile by nature, that can be detected or missed in the data. These transients are markers of high-energy accelerations of electrons and manifest in a wide range of temporal scales. Usually studied with dynamic spectroscopy of time series analysis, there is a motivation to search for such sources in large interferometric datasets. This requires efficient and robust signal reconstruction algorithms. To correctly account for the temporal dependency of the data, we improve the classical image deconvolution inverse problem by adding the temporal dependency in the reconstruction problem. Then, we introduce two novel neural network architectures that can do both spatial and temporal modeling of the data and the instrumental response. Then, we simulate representative time-dependent image cubes of point source distributions and realistic telescope pointings of MeerKAT to generate toy models to build the training, validation, and test datasets. Finally, based on the test data, we evaluate the source profile reconstruction performance of the proposed methods and classical image deconvolution algorithm CLEAN applied frame-by-frame. In the presence of increasing noise level in data frame, the proposed methods display a high level of robustness compared to frame-by-frame imaging with CLEAN. The deconvolved image cubes bring a factor of 3 improvement in fidelity of the recovered temporal profiles and a factor of 2 improvement in background denoising.
• Abstract（参考訳）: 電波天文学は現在、近日発売のSquare Kilometre Array(SKA)に備えて、新しい大型地上型電波望遠鏡がオンラインで発売されている。 LOFAR、MeerKAT/SKA、ASKAP/SKA、そして将来のSKA-LOWのような施設は、時間と周波数に非常に敏感で、角分解能が向上し、処理が必要な高速なデータストリームも実現している。 それらは、自然によって揮発し、データから検出または見逃される無線トランジェントに関する高度な研究を可能にする。 これらの過渡現象は電子の高エネルギー加速の指標であり、幅広い時間スケールで現れる。 通常、時系列分析の動的スペクトロスコピーで研究され、大規模な干渉データ集合でそのようなソースを探す動機がある。 これは効率的で堅牢な信号再構成アルゴリズムを必要とする。 データの時間依存性を正確に考慮し、復元問題に時間依存性を加えることにより、古典的画像分解逆問題を改善する。 次に,データの空間的および時間的モデリングとインストゥルメンタルな応答を両立できる2つのニューラルネットワークアーキテクチャを提案する。 次に, 点源分布の時間依存画像立方体とMeerKATの現実望遠鏡ポインティングをシミュレートし, トレーニング, 検証, テストデータセットを構築するための玩具モデルを生成する。 最後に,テストデータに基づいて,提案手法と古典画像デコンボリューションアルゴリズムCLEANを用いたフレーム・バイ・フレームのソースプロファイル再構成性能を評価する。 データフレーム内のノイズレベルが増加する場合,提案手法は,クリーンによるフレームバイフレーム画像と比較し,高レベルなロバスト性を示す。 分解された画像立方体は、復元した時間的プロファイルの忠実度を3倍改善し、背景雑音を2倍改善した。

関連論文リスト

• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• Coarse-Fine Spectral-Aware Deformable Convolution For Hyperspectral Image Reconstruction [15.537910100051866]
  Coded Aperture Snapshot Spectral Imaging (CASSI) の逆問題について検討する。 粗面スペクトル対応変形性畳み込みネットワーク(CFSDCN)を提案する。 我々のCFSDCNは、シミュレーションされたHSIデータセットと実際のHSIデータセットの両方において、従来の最先端(SOTA)メソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-06-18T15:15:12Z)
• TCCT-Net: Two-Stream Network Architecture for Fast and Efficient Engagement Estimation via Behavioral Feature Signals [58.865901821451295]
  本稿では,新しい2ストリーム機能融合 "Tensor-Convolution and Convolution-Transformer Network" (TCCT-Net) アーキテクチャを提案する。 時間空間領域における意味のあるパターンをよりよく学習するために、ハイブリッド畳み込み変換器を統合する「CT」ストリームを設計する。 並行して、時間周波数領域からリッチなパターンを効率的に抽出するために、連続ウェーブレット変換(CWT)を用いて情報を2次元テンソル形式で表現する「TC」ストリームを導入する。
  論文  参考訳（メタデータ） (2024-04-15T06:01:48Z)
• Leveraging Neural Radiance Fields for Uncertainty-Aware Visual Localization [56.95046107046027]
  我々は,Neural Radiance Fields (NeRF) を用いてシーン座標回帰のためのトレーニングサンプルを生成することを提案する。 レンダリングにおけるNeRFの効率にもかかわらず、レンダリングされたデータの多くはアーティファクトによって汚染されるか、最小限の情報ゲインしか含まない。
  論文  参考訳（メタデータ） (2023-10-10T20:11:13Z)
• Curvature regularization for Non-line-of-sight Imaging from Under-sampled Data [5.591221518341613]
  非視線イメージング(NLOS)は、視線で測定されたデータから3次元の隠れたシーンを再構築することを目的としている。 曲率正規化に基づく新しいNLOS再構成モデルを提案する。 提案したアルゴリズムを,合成データセットと実データセットの両方で評価する。
  論文  参考訳（メタデータ） (2023-01-01T14:10:43Z)
• Toward Data-Driven STAP Radar [23.333816677794115]
  我々は、時空間適応処理(STAP)レーダーに対するデータ駆動アプローチを特徴付ける。 所定領域に可変強度のターゲットをランダムに配置することにより、受信レーダ信号の豊富なサンプルデータセットを生成する。 この領域内の各データサンプルに対して、ビームフォーマの出力パワーのレンジ、方位、および上昇のヒートマップテンソルを生成する。 空中に浮かぶシナリオでは、動くレーダーは、ビデオに似た、これらのタイムインデクシングされたイメージスタックのシーケンスを生成する。
  論文  参考訳（メタデータ） (2022-01-26T02:28:13Z)
• Learning Wave Propagation with Attention-Based Convolutional Recurrent Autoencoder Net [0.0]
  本稿では、波動伝播現象のデータ駆動モデリングのための、エンド・ツー・エンドの注意に基づく畳み込み再帰型オートエンコーダ(AB-CRAN)ネットワークを提案する。 波動伝搬に時間依存の双曲偏微分方程式で与えられる全階スナップショットから、デノナイジングに基づく畳み込みオートエンコーダを用いる。 注意に基づくシーケンス・ツー・シーケンス・ネットワークは、通常のRNN-LSTMと比較して、予測の時間-水平を5倍増加させる。
  論文  参考訳（メタデータ） (2022-01-17T20:51:59Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)
• Group-based Bi-Directional Recurrent Wavelet Neural Networks for Video Super-Resolution [4.9136996406481135]
  ビデオ超解像(VSR)は、低解像度(LR)フレームから高解像度(HR)フレームを推定することを目的としている。 VSRの鍵となる課題は、フレーム内の空間的相関と連続フレーム間の時間的依存を効果的に活用することにある。
  論文  参考訳（メタデータ） (2021-06-14T06:36:13Z)
• Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
  本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。 本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
  論文  参考訳（メタデータ） (2021-03-01T19:19:38Z)
• Deep Cellular Recurrent Network for Efficient Analysis of Time-Series Data with Spatial Information [52.635997570873194]
  本研究では,空間情報を用いた複雑な多次元時系列データを処理するための新しいディープセルリカレントニューラルネットワーク(DCRNN)アーキテクチャを提案する。 提案するアーキテクチャは,文献に比較して,学習可能なパラメータをかなり少なくしつつ,最先端の性能を実現している。
  論文  参考訳（メタデータ） (2021-01-12T20:08:18Z)

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。