論文の概要: Mantis Shrimp: Exploring Photometric Band Utilization in Computer Vision Networks for Photometric Redshift Estimation

• arxiv url: http://arxiv.org/abs/2501.09112v1
• Date: Wed, 15 Jan 2025 19:46:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-17 15:09:35.619890
• Title: Mantis Shrimp: Exploring Photometric Band Utilization in Computer Vision Networks for Photometric Redshift Estimation
• Title（参考訳）: Mantis Shrimp: 測光赤方偏移推定のためのコンピュータビジョンネットワークにおける測光バンド利用の探索
• Authors: Andrew Engel, Nell Byler, Adam Tsou, Gautham Narayan, Emmanuel Bonilla, Ian Smith,
• Abstract要約: 我々は、紫外光(GALEX)、光(PanSTARRS)、赤外線(UnWISE)画像を融合した測光赤方偏移推定モデルを提案する。 Mantis Shrimpは、カットアウト画像を用いた赤方偏移の条件密度推定を推定する。 我々は、モデルがバンド間で情報を使用する方法を学び、我々のモデルがすべての調査から情報をうまく取り入れた証拠を見つける。
• 参考スコア（独自算出の注目度）: 0.30924355683504173
• License:
• Abstract: We present Mantis Shrimp, a multi-survey deep learning model for photometric redshift estimation that fuses ultra-violet (GALEX), optical (PanSTARRS), and infrared (UnWISE) imagery. Machine learning is now an established approach for photometric redshift estimation, with generally acknowledged higher performance in areas with a high density of spectroscopically identified galaxies over template-based methods. Multiple works have shown that image-based convolutional neural networks can outperform tabular-based color/magnitude models. In comparison to tabular models, image models have additional design complexities: it is largely unknown how to fuse inputs from different instruments which have different resolutions or noise properties. The Mantis Shrimp model estimates the conditional density estimate of redshift using cutout images. The density estimates are well calibrated and the point estimates perform well in the distribution of available spectroscopically confirmed galaxies with (bias = 1e-2), scatter (NMAD = 2.44e-2) and catastrophic outlier rate ($\eta$=17.53$\%$). We find that early fusion approaches (e.g., resampling and stacking images from different instruments) match the performance of late fusion approaches (e.g., concatenating latent space representations), so that the design choice ultimately is left to the user. Finally, we study how the models learn to use information across bands, finding evidence that our models successfully incorporates information from all surveys. The applicability of our model to the analysis of large populations of galaxies is limited by the speed of downloading cutouts from external servers; however, our model could be useful in smaller studies such as generating priors over redshift for stellar population synthesis.
• Abstract（参考訳）: 我々は,超紫外光(GALEX),光学(PanSTARRS),赤外線(UnWISE)画像を融合した光赤方偏移推定のための多サーベイ深度学習モデルであるMantis Shrimpを提案する。 機械学習は現在、光度赤方偏移推定のための確立されたアプローチであり、テンプレートベースの手法よりも分光学的に同定された銀河の密度の高い領域では、一般的に高い性能が認められている。 複数の研究により、画像ベースの畳み込みニューラルネットワークは、表層ベースの色/マグニチュードモデルより優れていることが示されている。 図形モデルと比較すると、画像モデルにはさらなる設計上の複雑さがあり、解像度やノイズ特性が異なる異なる機器からの入力を融合する方法はほとんど知られていない。 Mantis Shrimpモデルでは、カットアウト画像を用いて赤方偏移の条件密度推定を推定する。 密度の推定値はよく調整され、(ビアス=1e-2)、散乱(NMAD=2.44e-2)、破滅的なアウトリーフレート(\eta$=17.53$\%$)を持つ可視光学的に確認された銀河の分布においてよく機能する。 初期の融合アプローチ(例えば、異なる機器からのイメージの再サンプリングと重ね合わせ)は、後期融合アプローチ(例えば、遅延空間表現を連結する)のパフォーマンスと一致し、設計上の選択は最終的にユーザに委ねられる。 最後に、モデルがバンド間で情報を使用する方法を学び、我々のモデルがすべての調査から情報をうまく取り入れた証拠を見つける。 銀河団解析への我々のモデルの適用性は、外部サーバからカットアウトをダウンロードする速度によって制限されるが、星団合成のために赤方偏移よりも先行するといった小さな研究で有用である。

関連論文リスト

• Preliminary Report on Mantis Shrimp: a Multi-Survey Computer Vision Photometric Redshift Model [0.431625343223275]
  光度赤偏移推定は天文学の確立されたサブフィールドである。 Mantis Shrimpは、超紫外(GALEX)、光学(PanSTARRS)、赤外線(UnWISE)画像を融合する、測光赤方偏移推定のためのコンピュータビジョンモデルである。
  論文  参考訳（メタデータ） (2024-02-05T21:44:19Z)
• RANRAC: Robust Neural Scene Representations via Random Ray Consensus [12.161889666145127]
  RANRAC(RANdom RAy Consensus)は、一貫性のないデータの影響を排除するための効率的な手法である。 我々はRANSACパラダイムのファジィ適応を定式化し、大規模モデルへの適用を可能にした。 その結果, 新規な視点合成のための最先端のロバストな手法と比較して, 顕著な改善が見られた。
  論文  参考訳（メタデータ） (2023-12-15T13:33:09Z)
• Learned representation-guided diffusion models for large-image generation [58.192263311786824]
  自己教師型学習(SSL)からの埋め込みを条件とした拡散モデルを訓練する新しいアプローチを導入する。 我々の拡散モデルは、これらの特徴を高品質な病理組織学およびリモートセンシング画像に投影することに成功した。 実画像のバリエーションを生成して実データを増やすことにより、パッチレベルおよび大規模画像分類タスクの下流精度が向上する。
  論文  参考訳（メタデータ） (2023-12-12T14:45:45Z)
• ExposureDiffusion: Learning to Expose for Low-light Image Enhancement [87.08496758469835]
  この研究は、拡散モデルと物理ベースの露光モデルとをシームレスに統合することで、この問題に対処する。 提案手法は,バニラ拡散モデルと比較して性能が大幅に向上し,推論時間を短縮する。 提案するフレームワークは、実際のペア付きデータセット、SOTAノイズモデル、および異なるバックボーンネットワークの両方で動作する。
  論文  参考訳（メタデータ） (2023-07-15T04:48:35Z)
• Photo-zSNthesis: Converting Type Ia Supernova Lightcurves to Redshift Estimates via Deep Learning [0.0]
  光-zSNthesisは、完全な赤方偏移確率分布を予測する畳み込みニューラルネットワークに基づく手法である。 PLAsTiCCシミュレーションでは予測バイアスデルタz>が61倍改善し,SDSSデータでは5倍改善した。
  論文  参考訳（メタデータ） (2023-05-19T17:59:00Z)
• Core Risk Minimization using Salient ImageNet [53.616101711801484]
  私たちは、1000のImagenetクラスのコアとスプリアス機能をローカライズする100万人以上のソフトマスクを備えたSalient Imagenetデータセットを紹介します。 このデータセットを用いて、まず、いくつかのImagenet事前訓練されたモデル(総計42件)の素早い特徴に対する依存度を評価する。 次に、コアリスク最小化(CoRM)と呼ばれる新しい学習パラダイムを導入する。
  論文  参考訳（メタデータ） (2022-03-28T01:53:34Z)
• Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements [62.997667081978825]
  脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。 我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。 次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
  論文  参考訳（メタデータ） (2021-11-15T09:08:27Z)
• 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)
• Adaptive Context-Aware Multi-Modal Network for Depth Completion [107.15344488719322]
  我々は,観測された空間コンテキストを捉えるために,グラフ伝搬を採用することを提案する。 次に、注意機構を伝搬に適用し、ネットワークが文脈情報を適応的にモデル化することを奨励する。 最後に、抽出したマルチモーダル特徴を効果的に活用するための対称ゲート融合戦略を導入する。 本稿では,Adaptive Context-Aware Multi-Modal Network (ACMNet) を2つのベンチマークで評価した。
  論文  参考訳（メタデータ） (2020-08-25T06:00:06Z)
• Bayesian Fusion for Infrared and Visible Images [26.64101343489016]
  本稿では,赤外・可視画像のための新しいベイズ融合モデルを構築した。 我々は、融合画像が人間の視覚系を満たすようにすることを目指している。 従来の手法と比較して、新しいモデルは、高照度なターゲットとリッチテクスチャの詳細を持つより良い融合画像を生成することができる。
  論文  参考訳（メタデータ） (2020-05-12T14:57:19Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。