論文の概要: Generating Images of the M87* Black Hole Using GANs

• arxiv url: http://arxiv.org/abs/2312.01005v1
• Date: Sat, 2 Dec 2023 02:47:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-05 19:53:53.787877
• Title: Generating Images of the M87* Black Hole Using GANs
• Title（参考訳）: GANを用いたM87*ブラックホールの画像生成
• Authors: Arya Mohan, Pavlos Protopapas, Keerthi Kunnumkai, Cecilia Garraffo, Lindy Blackburn, Koushik Chatterjee, Sheperd S. Doeleman, Razieh Emami, Christian M. Fromm, Yosuke Mizuno and Angelo Ricarte
• Abstract要約: 本研究では,様々なブラックホール画像を生成するためにCPGAN(Con Conditional Progressive Generative Adversarial Networks)を導入する。 GANは、ブラックホール画像生成のためのコスト効率の良いモデルとして利用でき、他のパラメータ化アルゴリズムのためのトレーニングデータセットを確実に増強することができる。
• 参考スコア（独自算出の注目度）: 1.0532948482859532
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we introduce a novel data augmentation methodology based on Conditional Progressive Generative Adversarial Networks (CPGAN) to generate diverse black hole (BH) images, accounting for variations in spin and electron temperature prescriptions. These generated images are valuable resources for training deep learning algorithms to accurately estimate black hole parameters from observational data. Our model can generate BH images for any spin value within the range of [-1, 1], given an electron temperature distribution. To validate the effectiveness of our approach, we employ a convolutional neural network to predict the BH spin using both the GRMHD images and the images generated by our proposed model. Our results demonstrate a significant performance improvement when training is conducted with the augmented dataset while testing is performed using GRMHD simulated data, as indicated by the high R2 score. Consequently, we propose that GANs can be employed as cost effective models for black hole image generation and reliably augment training datasets for other parameterization algorithms.
• Abstract（参考訳）: 本稿では,条件付きプログレッシブ・ジェネレーショナル・アドバーサリー・ネットワーク(cpgan)に基づく新しいデータ拡張手法を導入し,スピン・電子温度の処方の変動を考慮し,多様なブラックホール(bh)画像を生成する。 これらの生成した画像は、観測データからブラックホールパラメータを正確に推定する深層学習アルゴリズムを訓練するための貴重な資源である。 我々のモデルは電子温度分布から[-1, 1]の範囲内で任意のスピン値に対してBH画像を生成することができる。 提案手法の有効性を検証するため,提案モデルにより生成されたGRMHD画像と画像の両方を用いて,畳み込みニューラルネットワークを用いてBHスピンを予測する。 本研究では,拡張データセットを用いてトレーニングを行い,高いr2スコアで示すように,grmhdシミュレーションデータを用いてテストを行う場合の性能向上を示す。 その結果、GANはブラックホール画像生成のコスト効率の良いモデルとして利用でき、他のパラメータ化アルゴリズムのトレーニングデータセットを確実に増強することができる。

関連論文リスト

• Image-GS: Content-Adaptive Image Representation via 2D Gaussians [55.15950594752051]
  本稿では,コンテンツ適応型画像表現であるImage-GSを提案する。 異方性2Dガウスアンをベースとして、Image-GSは高いメモリ効率を示し、高速なランダムアクセスをサポートし、自然なレベルのディテールスタックを提供する。 画像-GSの一般的な効率性と忠実性は、最近のニューラルイメージ表現と業界標準テクスチャ圧縮機に対して検証される。 この研究は、機械認識、アセットストリーミング、コンテンツ生成など、適応的な品質とリソース制御を必要とする新しいアプリケーションを開発するための洞察を与えてくれることを願っている。
  論文  参考訳（メタデータ） (2024-07-02T00:45:21Z)
• Improving GFlowNets for Text-to-Image Diffusion Alignment [48.42367859859971]
  報酬を直接最大化するのではなく,比較的高い確率で高解像度画像を生成する手法を探索する。 提案手法は,大規模テキスト・画像拡散モデルと報酬情報とを効果的に一致させることができる。
  論文  参考訳（メタデータ） (2024-06-02T06:36:46Z)
• Sparse-view CT Reconstruction with 3D Gaussian Volumetric Representation [13.667470059238607]
  Sparse-view CTは従来のCTスキャンの放射線線量を減らすための有望な戦略である。 近年、3Dガウスアンは複雑な自然シーンのモデル化に応用されている。 スパース・ビューCT再建の可能性について検討した。
  論文  参考訳（メタデータ） (2023-12-25T09:47:33Z)
• Performance of GAN-based augmentation for deep learning COVID-19 image classification [57.1795052451257]
  ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。 データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。 本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
  論文  参考訳（メタデータ） (2023-04-18T15:39:58Z)
• Dataset Distillation with Convexified Implicit Gradients [69.16247946639233]
  メタ段階更新の計算に暗黙の勾配を効果的に利用できるかを示す。 さらに,凍結した有限幅ニューラルネットワーク上での学習に対応する凸近似をアルゴリズムに装備する。
  論文  参考訳（メタデータ） (2023-02-13T23:53:16Z)
• 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)
• Developing a Machine Learning Algorithm-Based Classification Models for the Detection of High-Energy Gamma Particles [0.0]
  チェレンコフガンマ望遠鏡は高エネルギーガンマ線を観測し、ガンマが発する電磁シャワーの中で発生する荷電粒子から放射される放射を利用する。 パラメータ値の再構成は、CORSIKAと呼ばれるモンテカルロシミュレーションアルゴリズムを用いて達成された。 本研究では,複数の機械学習に基づく分類モデルを開発し,その性能評価を行った。
  論文  参考訳（メタデータ） (2021-11-18T03:12:40Z)
• Raw Bayer Pattern Image Synthesis with Conditional GAN [0.0]
  本稿では,GAN(Generative Adversarial Network)によるベイアパターン画像生成手法を提案する。 変換を復調として設定することで、ベイアパターン画像を生成することができる。 実験の結果,提案手法により生成した画像は,FIDスコア,PSNR,SSIMにおいて元のPix2PixHDモデルより優れていた。
  論文  参考訳（メタデータ） (2021-10-25T11:40:36Z)
• Robust pedestrian detection in thermal imagery using synthesized images [39.33977680993236]
  熱領域における歩行者検出を2段階に分けて改善する手法を提案する。 まず、生成データ拡張アプローチを使用し、次いで、生成されたデータを用いたドメイン適応法は、RGB歩行者検出器に適応する。 我々の検出器は,最先端技術に関して,KAIST上で最高の単一モダリティ検出結果を達成する。
  論文  参考訳（メタデータ） (2021-02-03T11:08:31Z)
• Remote sensing image fusion based on Bayesian GAN [9.852262451235472]
  PANとMSの画像を入力として使用する2ストリームジェネレータネットワークを構築し,特徴抽出,特徴融合,画像再構成という3つの部分から構成される。 我々はマルコフ判別器を活用し、融合画像の再構成能力を高めることにより、結果画像がより詳細な情報を保持することができる。 QuickBirdとWorldViewのデータセット実験により,本論文で提案したモデルがPANとMSの画像を効果的に融合できることが示されている。
  論文  参考訳（メタデータ） (2020-09-20T16:15:51Z)
• 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)

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。