論文の概要: Joint multiband deconvolution for Euclid and Vera C. Rubin images
- arxiv url: http://arxiv.org/abs/2502.17177v2
- Date: Mon, 07 Apr 2025 15:39:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-08 16:00:10.927417
- Title: Joint multiband deconvolution for Euclid and Vera C. Rubin images
- Title（参考訳）: Euclid と Vera C. Rubin 画像の多重帯域デコンボリューション
- Authors: Utsav Akhaury, Pascale Jablonka, Frédéric Courbin, Jean-Luc Starck,
- Abstract要約: 本稿では,地上の天体画像の分解能向上を目的とした,新しいマルチバンドデコンボリューション手法を提案する。
この方法はルービン$r$、$i$、および$z$バンドがユークリッドVISバンド内にあるという幸運な事実を生かしている。
本手法の有効性は, 分解能および形態的回復, フラックス保存, および異なる雑音レベルへの一般化の観点から示す。
- 参考スコア（独自算出の注目度）: 2.41675832913699
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the advent of surveys like Euclid and Vera C. Rubin, astrophysicists will have access to both deep, high-resolution images and multiband images. However, these two types are not simultaneously available in any single dataset. It is therefore vital to devise image deconvolution algorithms that exploit the best of both worlds and that can jointly analyze datasets spanning a range of resolutions and wavelengths. In this work we introduce a novel multiband deconvolution technique aimed at improving the resolution of ground-based astronomical images by leveraging higher-resolution space-based observations. The method capitalizes on the fortunate fact that the Rubin $r$, $i$, and $z$ bands lie within the Euclid VIS band. The algorithm jointly de-convolves all the data to convert the $r$-, $i$-, and $z$-band Rubin images to the resolution of Euclid by leveraging the correlations between the different bands. We also investigate the performance of deep-learning-based denoising with DRUNet to further improve the results. We illustrate the effectiveness of our method in terms of resolution and morphology recovery, flux preservation, and generalization to different noise levels. This approach extends beyond the specific Euclid-Rubin combination, offering a versatile solution to improving the resolution of ground-based images in multiple photometric bands by jointly using any space-based images with overlapping filters.
- Abstract（参考訳）: ユークリッドやベラ・C・ルービンのようなサーベイが出現すると、天体物理学者は深い高解像度の画像とマルチバンドの画像の両方にアクセスできるようになる。
しかし、これらの2つの型は単一のデータセットで同時に利用することはできない。
したがって、両方の世界の長所を生かし、様々な解像度と波長にまたがるデータセットを共同で分析できる画像デコンボリューションアルゴリズムを考案することが不可欠である。
本研究では,高分解能宇宙観測を利用して地上の天体画像の高分解能化を目的とした,新しいマルチバンドデコンボリューション手法を提案する。
この方法はルービン$r$、$i$、および$z$バンドがユークリッドVISバンド内にあるという幸運な事実を生かしている。
このアルゴリズムは、すべてのデータを分離して$r$-, $i$-, $z$-band Rubinの画像を、異なるバンド間の相関を利用してユークリッドの分解に変換する。
また,DRUNetを用いたディープラーニングによるdenoisingの性能について検討し,その結果をさらに改善した。
本手法の有効性を, 分解能および形態的回復, フラックス保存, 各種ノイズレベルへの一般化の観点から説明する。
このアプローチは特定のユークリッドとルービンの組み合わせを超えて、複数の測光帯域における地上画像の解像度を改善するための汎用的なソリューションを提供する。
関連論文リスト
- Near-Optimal Online Learning for Multi-Agent Submodular Coordination: Tight Approximation and Communication Efficiency [52.60557300927007]
離散部分モジュラー問題を連続的に最適化するために,$textbfMA-OSMA$アルゴリズムを提案する。
また、一様分布を混合することによりKLの発散を効果的に活用する、プロジェクションフリーな$textbfMA-OSEA$アルゴリズムも導入する。
我々のアルゴリズムは最先端OSGアルゴリズムによって提供される$(frac11+c)$-approximationを大幅に改善する。
論文 参考訳（メタデータ） (2025-02-07T15:57:56Z) - Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。
実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文 参考訳（メタデータ） (2024-08-28T10:07:17Z) - GIST: Greedy Independent Set Thresholding for Diverse Data Summarization [21.69260104523751]
単調部分モジュラーユーティリティを用いたmin-distance diversificationと呼ばれる新しいサブセット選択問題を導入する(textsfMDMS$)。
計量空間内の点の集合が与えられたとき、$textsfMDMS$ の目標は、任意の選択された点間の単調部分モジュラー効用項と最小距離の多様性項を組み合わせた目的関数を最大化することである。
論文 参考訳（メタデータ） (2024-05-29T04:39:24Z) - Ground-based image deconvolution with Swin Transformer UNet [2.41675832913699]
Swin Transformerアーキテクチャを用いた2段階のデコンボリューションフレームワークを提案する。
我々の研究は、ディープラーニングベースのソリューションが、科学的分析の範囲を制限してバイアスをもたらすことを明らかにした。
本稿では,スポーシティウェーブレットフレームワークの活性係数に依存する新しい第3ステップを提案する。
論文 参考訳（メタデータ） (2024-05-13T15:30:41Z) - Powerful Lossy Compression for Noisy Images [17.617149104590062]
提案した信号対雑音比(SNR)対応ジョイントソリューションは、局所的および非局所的特徴を利用して画像圧縮と復調を同時に行う。
我々は,主エンコーダ分岐,誘導分岐,信号-雑音比(SNR)認識分岐を含むエンドツーエンドのトレーニング可能なネットワークを設計する。
論文 参考訳（メタデータ） (2024-03-21T05:10:26Z) - View Transition based Dual Camera Image Fusion [6.385759994053152]
重なり合う領域では、$bfW$と$bfT$の画像をfusingすると、より高い画質のイメージが生成される。
我々は、$bfW$と$bfT$の画像を混合ビューに変換し、それらを出力にブレンドするビュー遷移法を提案する。
論文 参考訳（メタデータ） (2023-12-18T13:24:41Z) - Guided Patch-Grouping Wavelet Transformer with Spatial Congruence for
Ultra-High Resolution Segmentation [18.50799240622156]
GPWFormer(GPWFormer)の提案
$mathcalT$は、UHRイメージ全体を入力として取り、局所的な詳細と細かな長距離コンテキスト依存の両方を抽出する。
$mathcalC$は、カテゴリの深いコンテキストを学ぶための入力として、サンプルイメージを取ります。
論文 参考訳（メタデータ） (2023-07-03T02:19:48Z) - Symmetric Uncertainty-Aware Feature Transmission for Depth
Super-Resolution [52.582632746409665]
カラー誘導DSRのためのSymmetric Uncertainty-aware Feature Transmission (SUFT)を提案する。
本手法は最先端の手法と比較して優れた性能を実現する。
論文 参考訳（メタデータ） (2023-06-01T06:35:59Z) - Continuous Cross-resolution Remote Sensing Image Change Detection [28.466756872079472]
実世界のアプリケーションは、空間解像度の異なるバイテンポラルイメージに基づいて、クロスレゾリューション変化検出(別名、CD)の必要性を高める。
本研究では,様々な解像度差の合成サンプルから得られたHR結果を連続的に予測するモデルを実現するために,スケール不変学習を提案する。
提案手法は,3つのデータセット上で,いくつかのバニラCD法と2つのクロスレゾリューションCD法より有意に優れていた。
論文 参考訳（メタデータ） (2023-05-24T04:57:24Z) - Dense Pixel-to-Pixel Harmonization via Continuous Image Representation [22.984119094424056]
Inlicit Neural Networks (HINet) を用いた新しい画像調和手法を提案する。
Retinex理論に触発されて、調和を2つの部分に分離し、合成画像の内容と環境をそれぞれキャプチャする。
本手法の有効性を,最先端の手法と比較した実験により検証した。
論文 参考訳（メタデータ） (2023-03-03T02:52:28Z) - I$^2$SB: Image-to-Image Schr\"odinger Bridge [87.43524087956457]
Image-to-Image Schr"odinger Bridge (I$2$SB) は条件拡散モデルの新しいクラスである。
I$2$SB は、2つの与えられた分布間の非線形拡散過程を直接学習する。
I$2$SBは、より解釈可能な生成過程を持つ標準条件拡散モデルを超えることを示す。
論文 参考訳（メタデータ） (2023-02-12T08:35:39Z) - Riesz-Quincunx-UNet Variational Auto-Encoder for Satellite Image
Denoising [0.0]
衛星画像のノイズ低減に使用される画像および時系列分解のためのハイブリッドRQUNet-VAE方式を提案する。
また,本手法をマルチバンド衛星画像に適用し,画像の分解,画像分割,拡散による時系列分解,画像分割などを行う。
論文 参考訳（メタデータ） (2022-08-25T19:51:07Z) - Spatial-Separated Curve Rendering Network for Efficient and
High-Resolution Image Harmonization [59.19214040221055]
本稿では,空間分離型曲線描画ネットワーク(S$2$CRNet)を提案する。
提案手法は従来の手法と比較して90%以上のパラメータを減少させる。
提案手法は,既存の手法よりも10ドル以上高速な高解像度画像をリアルタイムにスムーズに処理することができる。
論文 参考訳（メタデータ） (2021-09-13T07:20:16Z) - InfinityGAN: Towards Infinite-Resolution Image Synthesis [92.40782797030977]
任意の解像度画像を生成するinfinityganを提案する。
少ない計算資源でパッチバイパッチをシームレスに訓練し、推論する方法を示す。
論文 参考訳（メタデータ） (2021-04-08T17:59:30Z) - Permuted AdaIN: Reducing the Bias Towards Global Statistics in Image
Classification [97.81205777897043]
近年の研究では、畳み込みニューラルネットワーク分類器は形状を犠牲にしてテクスチャを過度に依存していることが示されている。
一方、形状と局所像の区別は類似しているが異なるが、一方、グローバル画像統計は異なる。
提案手法は,pAdaIN (Permuted Adaptive Instance Normalization) と呼ばれ,画像分類器の隠蔽層におけるグローバル統計の表現を減少させる。
論文 参考訳（メタデータ） (2020-10-09T16:38:38Z) - Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。
両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。
画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
論文 参考訳（メタデータ） (2020-08-25T03:30:53Z) - Depth image denoising using nuclear norm and learning graph model [107.51199787840066]
グループベース画像復元法は,パッチ間の類似性収集に有効である。
各パッチに対して、検索ウィンドウ内で最もよく似たパッチを見つけ、グループ化する。
提案手法は, 主観的, 客観的両面において, 最先端の復調法よりも優れている。
論文 参考訳（メタデータ） (2020-08-09T15:12:16Z)
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。