論文の概要: Ultra-fast high-dynamic range imaging of Cygnus A with the R2D2 deep
neural network series
- arxiv url: http://arxiv.org/abs/2309.03291v2
- Date: Thu, 21 Dec 2023 10:08:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-22 18:36:14.162900
- Title: Ultra-fast high-dynamic range imaging of Cygnus A with the R2D2 deep
neural network series
- Title（参考訳）: R2D2ディープニューラルネットワークによるCygnus Aの超高速高ダイナミックレンジイメージング
- Authors: Aghabiglou A, Chu C S, Jackson A, Dabbech A, Wiaux Y
- Abstract要約: 天文学における電波干渉計(RI)による高分解能高ダイナミックレンジイメージングのための新しいAI手法を提案する。
R2D2は、ハイブリッドディープニューラルネットワーク(DNN)とデータ一貫性更新に依存する、モデルベースのデータ駆動アプローチである。
我々は、超大型アレイ(VLA)によるS帯の電波銀河Cygnus Aの高感度観測における単色強度イメージングの利用を実証した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a novel AI approach for high-resolution high-dynamic range
synthesis imaging by radio interferometry (RI) in astronomy. R2D2, standing for
``{R}esidual-to-{R}esidual {D}NN series for high-{D}ynamic range imaging'', is
a model-based data-driven approach relying on hybrid deep neural networks
(DNNs) and data-consistency updates. Its reconstruction is built as a series of
residual images estimated as the outputs of DNNs, each taking the residual
dirty image of the previous iteration as an input. The approach can be
interpreted as a learned version of a matching pursuit approach, whereby model
components are iteratively identified from residual dirty images, and of which
CLEAN is a well-known example. We propose two variants of the R2D2 model, built
upon two distinctive DNN architectures: a standard U-Net, and a novel unrolled
architecture. We demonstrate their use for monochromatic intensity imaging on
highly-sensitive observations of the radio galaxy Cygnus A at S band, from the
Very Large Array (VLA). R2D2 is validated against CLEAN and the recent RI
algorithms AIRI and uSARA, which respectively inject a learned implicit
regularization and an advanced handcrafted sparsity-based regularization into
the RI data. With only few terms in its series, the R2D2 model is able to
deliver high-precision imaging, superseding the resolution of CLEAN, and
matching the precision of AIRI and uSARA. In terms of computational efficiency,
R2D2 runs at a fraction of the cost of AIRI and uSARA, and is also faster than
CLEAN, opening the door to near real-time precision imaging in RI.
- Abstract（参考訳）: 天文学における電波干渉計(RI)による高分解能高ダイナミックレンジ合成イメージングのための新しいAI手法を提案する。
R2D2は‘{R}esidual-to-{R}esidual {D}NN series for high-{D}ynamic range imaging'’の略で、ハイブリッドディープニューラルネットワーク(DNN)とデータ一貫性更新に依存するモデルベースのデータ駆動アプローチである。
その再構成は、DNNの出力として推定される残像の連続として構築され、それぞれが前回の残像の残像を入力とする。
この手法は、モデルコンポーネントが残留汚い画像から反復的に識別され、CLEANがよく知られた例であるマッチング追従アプローチの学習版として解釈することができる。
本稿では,標準のU-Netと新しいアンロールアーキテクチャの2つの特徴を持つDNNアーキテクチャ上に構築されたR2D2モデルの2つの変種を提案する。
我々は、超大型アレイ(VLA)によるS帯の電波銀河Cygnus Aの高感度観測における単色強度イメージングの応用を実証した。
R2D2 は CLEAN と最近の RI アルゴリズム AIRI と uSARA に対して検証され、それぞれ学習された暗黙の正則化と高度な手作りのスパーシティベース正則化をRI データに注入する。
r2d2モデルは、ほんのわずかな期間で高精度の画像撮影が可能で、クリーンの解像度に取って代わり、airiとusaraの精度にマッチする。
計算効率の面では、R2D2はAIRIとuSARAのコストのごく一部で動作し、CLEANよりも高速で、RIのほぼリアルタイムの精度画像にドアを開く。
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) - R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。
本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
論文 参考訳（メタデータ） (2024-05-31T08:39:02Z) - R2D2 image reconstruction with model uncertainty quantification in radio astronomy [1.7249361224827533]
Residual-to-Residual'(R2D2)アプローチは、天文学におけるRI(Radio-Interferometric)イメージングのために最近導入された。
R2D2の再構成は、ディープニューラルネットワーク(DNN)の出力として反復的に推定される一連の残像として形成される
本稿では,R2D2画像推定プロセスのロバスト性について,その一連の学習モデルに関連する不確実性について検討する。
論文 参考訳（メタデータ） (2024-03-26T19:10:08Z) - Scalable Non-Cartesian Magnetic Resonance Imaging with R2D2 [6.728969294264806]
本研究では,非電子磁気共鳴画像再構成のための新しい手法を提案する。
我々は「Residual to-Residual DNN series for high range imaging (R2D2)」を利用する。
論文 参考訳（メタデータ） (2024-03-26T17:45:06Z) - The R2D2 deep neural network series paradigm for fast precision imaging in radio astronomy [1.7249361224827533]
最近の画像再構成技術は、CLEANの能力をはるかに超えて、画像の精度が著しく向上している。
高ダイナミックレンジイメージングのためのResidual-to-Residual DNNシリーズと呼ばれる新しいディープラーニング手法を導入する。
高精度を実現するためのR2D2の能力は、超大型アレイ(VLA)を用いた様々な画像観測環境においてシミュレーションで実証されている。
論文 参考訳（メタデータ） (2024-03-08T16:57:54Z) - Passive superresolution imaging of incoherent objects [63.942632088208505]
手法は、Hermite-Gaussianモードとその重ね合わせのオーバーコンプリートベースで、画像平面内のフィールドの空間モード成分を測定することで構成される。
ディープニューラルネットワークは、これらの測定からオブジェクトを再構築するために使用される。
論文 参考訳（メタデータ） (2023-04-19T15:53:09Z) - Neural Implicit Dictionary via Mixture-of-Expert Training [111.08941206369508]
ニューラルインシシット辞書(NID)を学習することで、データとトレーニング効率の両方を達成する汎用INRフレームワークを提案する。
我々のNIDは、所望の関数空間にまたがるように調整された座標ベースのImpworksのグループを組み立てる。
実験の結果,NIDは最大98%の入力データで2次元画像や3次元シーンの再現を2桁高速化できることがわかった。
論文 参考訳（メタデータ） (2022-07-08T05:07:19Z) - Image reconstruction algorithms in radio interferometry: from
handcrafted to learned denoisers [7.1439425093981574]
本稿では,プラグイン・アンド・プレイ方式にヒントを得た,無線干渉計測のための新しい画像再構成アルゴリズムを提案する。
このアプローチは、ディープニューラルネットワーク(DNN)をノイズとしてトレーニングすることで、事前の画像モデルを学ぶことで構成される。
学習したデノイザをフォワード-バックワード最適化アルゴリズムにプラグインし、デノイザのステップをグラデーション-ディフレッシュなデータ-忠実度ステップで交互に繰り返す単純な反復構造を与える。
論文 参考訳（メタデータ） (2022-02-25T20:26:33Z) - Dual-view Snapshot Compressive Imaging via Optical Flow Aided Recurrent
Neural Network [14.796204921975733]
デュアルビュースナップショット圧縮イメージング(SCI)は、2つの視野(FoV)からのビデオを1つのスナップショットでキャプチャすることを目的としている。
既存のモデルベースの復号アルゴリズムでは個々のシーンを再構築することは困難である。
本稿では,2重ビデオSCIシステムのための光フロー支援型リカレントニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2021-09-11T14:24:44Z) - Unsupervised Single Image Super-resolution Under Complex Noise [60.566471567837574]
本稿では,一般のSISRタスクを未知の劣化で扱うためのモデルベースunsupervised SISR法を提案する。
提案手法は, より小さなモデル (0.34M vs. 2.40M) だけでなく, より高速な技術 (SotA) 法 (約1dB PSNR) の現況を明らかに超えることができる。
論文 参考訳（メタデータ） (2021-07-02T11:55:40Z) - UltraSR: Spatial Encoding is a Missing Key for Implicit Image
Function-based Arbitrary-Scale Super-Resolution [74.82282301089994]
本研究では,暗黙的イメージ関数に基づく,シンプルで効果的な新しいネットワーク設計であるUltraSRを提案する。
空間符号化は,次の段階の高精度暗黙的画像機能に対する欠落鍵であることを示す。
UltraSRは、すべての超解像スケールでDIV2Kベンチマークに最新のパフォーマンスを設定します。
論文 参考訳（メタデータ） (2021-03-23T17:36:42Z)
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。