論文の概要: Mapping Galaxy Images Across Ultraviolet, Visible and Infrared Bands Using Generative Deep Learning
- arxiv url: http://arxiv.org/abs/2501.15149v1
- Date: Sat, 25 Jan 2025 09:13:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-28 13:54:30.889392
- Title: Mapping Galaxy Images Across Ultraviolet, Visible and Infrared Bands Using Generative Deep Learning
- Title(参考訳): 生成的深層学習を用いた紫外・可視・赤外域における銀河画像のマッピング
- Authors: Youssef Zaazou, Alex Bihlo, Terrence S. Tricco,
- Abstract要約: 生成的な深層学習は、紫外線、可視光、赤外光度帯域にわたる銀河の観測を変換することができる。
我々は,帯域と外挿の両方が可能な教師付き画像・画像モデルを開発し,検証する。
我々のモデルは,DECLSサーベイのデータを用いて実世界の観測を予測できる。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: We demonstrate that generative deep learning can translate galaxy observations across ultraviolet, visible, and infrared photometric bands. Leveraging mock observations from the Illustris simulations, we develop and validate a supervised image-to-image model capable of performing both band interpolation and extrapolation. The resulting trained models exhibit high fidelity in generating outputs, as verified by both general image comparison metrics (MAE, SSIM, PSNR) and specialized astronomical metrics (GINI coefficient, M20). Moreover, we show that our model can be used to predict real-world observations, using data from the DECaLS survey as a case study. These findings highlight the potential of generative learning to augment astronomical datasets, enabling efficient exploration of multi-band information in regions where observations are incomplete. This work opens new pathways for optimizing mission planning, guiding high-resolution follow-ups, and enhancing our understanding of galaxy morphology and evolution.
- Abstract(参考訳): 生成的深層学習は、紫外線、可視光、赤外光度帯域にまたがる銀河の観測を変換できることを実証する。
Illustrisシミュレーションからモック観測を応用し,帯域補間と外挿の両方が可能な教師付き画像・画像モデルの開発と評価を行った。
得られたトレーニングされたモデルは、一般的な画像比較指標(MAE、SSIM、PSNR)と専門天文学的指標(GINI係数、M20)の両方で検証されるように、出力の正確性が高い。
さらに,DECLSサーベイのデータを用いて実世界の観測を予測できることを示す。
これらの知見は、天文データセットを増強するための生成学習の可能性を強調し、観測が不十分な地域でのマルチバンド情報の効率的な探索を可能にする。
この研究は、ミッション計画の最適化、高解像度のフォローアップの導出、銀河形態と進化の理解を深めるための新しい経路を開く。
関連論文リスト
- Spherinator and HiPSter: Representation Learning for Unbiased Knowledge Discovery from Simulations [0.0]
我々は、幅広いシミュレーションから有用な科学的洞察を得るための、新しい、偏見のない、機械学習に基づくアプローチについて説明する。
我々の概念は、低次元空間におけるデータのコンパクトな表現を学習するために非線形次元削減を適用することに基づいている。
本稿では、回転不変な超球面変動畳み込み自己エンコーダを用いて、潜時空間の電力分布を利用して、IllustrisTNGシミュレーションから銀河を訓練したプロトタイプを提案する。
論文 参考訳(メタデータ) (2024-06-06T07:34:58Z) - 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) - Domain Adaptive Graph Neural Networks for Constraining Cosmological Parameters Across Multiple Data Sets [40.19690479537335]
DA-GNNは,データセット間のタスクにおいて高い精度とロバスト性を実現する。
このことは、DA-GNNがドメインに依存しない宇宙情報を抽出するための有望な方法であることを示している。
論文 参考訳(メタデータ) (2023-11-02T20:40:21Z) - StableLLaVA: Enhanced Visual Instruction Tuning with Synthesized
Image-Dialogue Data [129.92449761766025]
本稿では,視覚的インストラクションチューニングのための画像と対話を同期的に合成する新しいデータ収集手法を提案する。
このアプローチは生成モデルのパワーを活用し、ChatGPTとテキスト・ツー・イメージ生成モデルの能力とを結合する。
本研究は,各種データセットを対象とした総合的な実験を含む。
論文 参考訳(メタデータ) (2023-08-20T12:43:52Z) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳(メタデータ) (2023-04-14T14:40:32Z) - GM-NeRF: Learning Generalizable Model-based Neural Radiance Fields from
Multi-view Images [79.39247661907397]
本稿では,自由視点画像の合成に有効なフレームワークであるGeneralizable Model-based Neural Radiance Fieldsを提案する。
具体的には、多視点2D画像からの出現コードを幾何学的プロキシに登録するための幾何学誘導型アテンション機構を提案する。
論文 参考訳(メタデータ) (2023-03-24T03:32:02Z) - Supernova Light Curves Approximation based on Neural Network Models [53.180678723280145]
光度データによる超新星の分類は、天文学におけるビッグデータのリアルタイム処理の出現によって課題となる。
近年の研究では、様々な機械学習モデルに基づく解の優れた品質が実証されている。
我々は,多層パーセプトロン(MLP),ベイジアンニューラルネットワーク(BNN),正規化フロー(NF)の単一光曲線観測への応用について検討した。
論文 参考訳(メタデータ) (2022-06-27T13:46:51Z) - 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) - Visual Distant Supervision for Scene Graph Generation [66.10579690929623]
シーングラフモデルは通常、大量のラベル付きデータを人間のアノテーションで教師付き学習する必要がある。
本研究では,人間ラベルデータを用いずにシーングラフモデルを訓練できる視覚関係学習の新しいパラダイムである視覚遠方監視を提案する。
包括的な実験結果から、我々の遠隔監視モデルは、弱い監督と半監督のベースラインよりも優れています。
論文 参考訳(メタデータ) (2021-03-29T06:35:24Z) - Self-Supervised Representation Learning for Astronomical Images [1.0499611180329804]
自己教師付き学習は,意味的に有用なスカイサーベイ画像の表現を復元する。
本手法は,教師付きモデルの2-4倍のラベルをトレーニングに使用しながら,精度を向上できることを示す。
論文 参考訳(メタデータ) (2020-12-24T03:25:36Z) - Interpreting Galaxy Deblender GAN from the Discriminator's Perspective [50.12901802952574]
本研究は、ネットワークの主要なコンポーネントである識別器の動作に焦点を当てるが、しばしば見落とされがちな役割を担っている。
本手法は, 生成銀河画像と地中真理画像とを区別する際に, 識別器の注意領域を明確に明らかにする。
論文 参考訳(メタデータ) (2020-01-17T04:05:46Z)
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。