論文の概要: Bayesian Deconvolution of Astronomical Images with Diffusion Models: Quantifying Prior-Driven Features in Reconstructions

• arxiv url: http://arxiv.org/abs/2411.19158v2
• Date: Mon, 20 Jan 2025 16:42:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:14:50.190335
• Title: Bayesian Deconvolution of Astronomical Images with Diffusion Models: Quantifying Prior-Driven Features in Reconstructions
• Title（参考訳）: 拡散モデルによる宇宙画像のベイズ的デコンボリューション:再構成における事前駆動的特徴の定量化
• Authors: Alessio Spagnoletti, Alexandre Boucaud, Marc Huertas-Company, Wassim Kabalan, Biswajit Biswas,
• Abstract要約: 天体画像のデコンボリューションは、天体の固有の性質を回復する鍵となる側面である。 本稿では,拡散モデル (DM) と拡散後サンプリング (DPS) アルゴリズムを用いた逆問題解法を提案する。
• 参考スコア（独自算出の注目度）: 40.13294159814764
• License:
• Abstract: Deconvolution of astronomical images is a key aspect of recovering the intrinsic properties of celestial objects, especially when considering ground-based observations. This paper explores the use of diffusion models (DMs) and the Diffusion Posterior Sampling (DPS) algorithm to solve this inverse problem task. We apply score-based DMs trained on high-resolution cosmological simulations, through a Bayesian setting to compute a posterior distribution given the observations available. By considering the redshift and the pixel scale as parameters of our inverse problem, the tool can be easily adapted to any dataset. We test our model on Hyper Supreme Camera (HSC) data and show that we reach resolutions comparable to those obtained by Hubble Space Telescope (HST) images. Most importantly, we quantify the uncertainty of reconstructions and propose a metric to identify prior-driven features in the reconstructed images, which is key in view of applying these methods for scientific purposes.
• Abstract（参考訳）: 天体画像のデコンボリューションは、特に地上観測を考慮した場合、天体の固有の性質を回復する鍵となる側面である。 本稿では,拡散モデル (DM) と拡散後サンプリング (DPS) アルゴリズムを用いた逆問題解法を提案する。 本研究では,高分解能宇宙シミュレーションに基づいてトレーニングしたスコアベースDMをベイズ設定で適用し,観測結果から後部分布を計算する。 逆問題のパラメータとして赤シフトとピクセルスケールを考慮することで、このツールはどんなデータセットにも容易に適応できる。 我々は、ハイパースプリームカメラ(HSC)データを用いて、ハッブル宇宙望遠鏡(HST)の画像に匹敵する解像度に達することを実証した。 最も重要なことは、再構成の不確実性を定量化し、これらの手法を科学的目的に応用するための鍵となる、再構成画像の事前駆動特徴を特定するための指標を提案することである。

関連論文リスト

• Semantic Guided Large Scale Factor Remote Sensing Image Super-resolution with Generative Diffusion Prior [13.148815217684277]
  大規模因子超解像(SR)アルゴリズムは、軌道から取得した低解像度(LR)衛星データの最大化に不可欠である。 既存の手法では、鮮明なテクスチャと正しい接地オブジェクトでSR画像を復元する際の課題に直面している。 本稿では,大規模リモートセンシング画像の超解像を実現するための新しいフレームワークであるセマンティックガイド拡散モデル(SGDM)を提案する。
  論文  参考訳（メタデータ） (2024-05-11T16:06:16Z)
• Keypoint-based Stereophotoclinometry for Characterizing and Navigating Small Bodies: A Factor Graph Approach [15.863759076104104]
  本稿では,ステレオフォトクリノメトリの技法をキーポイント・ベース・ストラクチャ・トゥ・モーションシステムに組み込むことを提案する。 提案された枠組みは、小惑星4ベスタのコーネリアクレーターの実際の画像に基づいて検証されている。
  論文  参考訳（メタデータ） (2023-12-11T22:23:43Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• 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)
• 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)
• Near-filed SAR Image Restoration with Deep Learning Inverse Technique: A Preliminary Study [5.489791364472879]
  近接場合成開口レーダ(SAR)は、ターゲットの散乱分布ホットスポットの高解像度画像を提供する。 一方、撮像の結果は、サイドローブ、クラッタ、ノイズから必然的に劣化する。 イメージを復元するために、現在の手法では、例えば、点拡散関数(PSF)は空間的に一貫したものであり、ターゲットはスパース点散乱器などで構成されている。 我々は、分解モデルを空間的に可変な複素畳み込みモデルに再構成し、近接場SARのシステム応答を考慮した。 モデルに基づくディープラーニングネットワークは、復元するために設計されている
  論文  参考訳（メタデータ） (2022-11-28T01:28:33Z)
• Posterior samples of source galaxies in strong gravitational lenses with score-based priors [107.52670032376555]
  我々はスコアベースモデルを用いて、背景銀河の歪みのない画像の事前推定を符号化する。 アウト・オブ・ディストリビューション・データを用いた実験において、可能性と事前のバランスが、我々の期待にどのように合致しているかを示す。
  論文  参考訳（メタデータ） (2022-11-07T19:00:42Z)
• 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)
• Realistic galaxy image simulation via score-based generative models [0.0]
  本研究では,銀河の観測を模倣した現実的かつ偽のイメージを生成するために,スコアベースの生成モデルが利用できることを示す。 主観的には、生成された銀河は実際のデータセットのサンプルと比較すると非常に現実的である。
  論文  参考訳（メタデータ） (2021-11-02T16:27:08Z)

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。