論文の概要: Neural Posterior Estimation for Cataloging Astronomical Images with Spatially Varying Backgrounds and Point Spread Functions

• arxiv url: http://arxiv.org/abs/2503.00156v1
• Date: Fri, 28 Feb 2025 20:05:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:20:54.703601
• Title: Neural Posterior Estimation for Cataloging Astronomical Images with Spatially Varying Backgrounds and Point Spread Functions
• Title（参考訳）: 空間変動背景と点拡散関数を持つ天文学的画像のカタログ化のための神経後部推定
• Authors: Aakash Patel, Tianqing Zhang, Camille Avestruz, Jeffrey Regier, the LSST Dark Energy Science Collaboration,
• Abstract要約: 本研究では,空間的に異なる背景とPSFを用いてニューラル・リテラル推定を行う手法を提案する。 ランダムサンプリングPSFと背景推定を用いて,これらのカタログの合成カタログと半合成画像を生成する。 Sloan Digital Sky Surveyデータによる実験では、空間的に異なる背景とPSFの存在下でのNPEの有効性が示されている。
• 参考スコア（独自算出の注目度）: 2.506383057613759
• License:
• Abstract: Neural posterior estimation (NPE), a type of amortized variational inference, is a computationally efficient means of constructing probabilistic catalogs of light sources from astronomical images. To date, NPE has not been used to perform inference in models with spatially varying covariates. However, ground-based astronomical images have spatially varying sky backgrounds and point spread functions (PSFs), and accounting for this variation is essential for constructing accurate catalogs of imaged light sources. In this work, we introduce a method of performing NPE with spatially varying backgrounds and PSFs. In this method, we generate synthetic catalogs and semi-synthetic images for these catalogs using randomly sampled PSF and background estimates from existing surveys. Using this data, we train a neural network, which takes an astronomical image and representations of its background and PSF as input, to output a probabilistic catalog. Our experiments with Sloan Digital Sky Survey data demonstrate the effectiveness of NPE in the presence of spatially varying backgrounds and PSFs for light source detection, star/galaxy separation, and flux measurement.
• Abstract（参考訳）: ニューラル後部推定(ニューラル後部推定、NPE)は、天文学的な画像から光源の確率的カタログを構築するための計算的に効率的な方法である。 現在まで、NPEは空間的に異なる共変量を持つモデルで推論に使われていない。 しかし、地上の天体画像は、空間的に異なる空背景と点拡散関数(PSF)を持ち、この変化を説明することは、撮像された光源の正確なカタログを構築するのに不可欠である。 本研究では,空間的に異なる背景とPSFを用いてNPEを実行する手法を提案する。 本研究では,これらのカタログに対して,ランダムにサンプル化したPSFと既存調査からの背景推定を用いて,合成カタログと半合成画像を生成する。 このデータを用いて、天文学的な画像と背景とPSFを入力として表現するニューラルネットワークをトレーニングし、確率的カタログを出力する。 Sloan Digital Sky Surveyデータを用いた実験では、空間的に異なる背景が存在する場合のNPEと、光源検出、星/銀河分離、フラックス測定におけるPSFの有効性が示されている。

関連論文リスト

• Bayesian Deconvolution of Astronomical Images with Diffusion Models: Quantifying Prior-Driven Features in Reconstructions [40.13294159814764]
  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。
  論文  参考訳（メタデータ） (2024-11-28T14:00:00Z)
• Physically-Based Photometric Bundle Adjustment in Non-Lambertian Environments [59.96101889715997]
  光度バンドル調整(PBA)は、ランベルトの世界を仮定してカメラのポーズと3次元幾何学を推定するのに広く用いられる。 光度一貫性の仮定は、現実の環境では非拡散反射が一般的であるため、しばしば違反される。 そこで本研究では,この問題を解決するための物理ベースPBA法を提案する。
  論文  参考訳（メタデータ） (2024-09-18T10:22:07Z)
• Echoes in the Noise: Posterior Samples of Faint Galaxy Surface Brightness Profiles with Score-Based Likelihoods and Priors [39.58317527488534]
  画像デコンボリューションのベイズ解析を行うために,近年のスコアベース確率推定モデルと拡散モデルを組み合わせたフレームワークを提案する。 EmphHubble Space Telescope(emphHST)データに適用されたこの手法は、次世代のEmphJames Webb Space Telescope(emphJWST)イメージングでしか見えない構造を復元する。
  論文  参考訳（メタデータ） (2023-11-29T19:00:03Z)
• NeISF: Neural Incident Stokes Field for Geometry and Material Estimation [50.588983686271284]
  多視点逆レンダリングは、異なる視点で撮影された一連の画像から形状、材料、照明などのシーンパラメータを推定する問題である。 本稿では,偏光手がかりを用いた曖昧さを低減する多視点逆フレームワークNeISFを提案する。
  論文  参考訳（メタデータ） (2023-11-22T06:28:30Z)
• 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)
• Adapting to noise distribution shifts in flow-based gravitational-wave inference [59.040209568168436]
  本研究では, 条件付きデータの流れを発生させることにより, 償却推論の方法を示す。 我々は、この手法が重力波の低遅延解析にディープラーニング技術を利用するための重要な要素になることを期待している。
  論文  参考訳（メタデータ） (2022-11-16T09:56:23Z)
• Inferring Structural Parameters of Low-Surface-Brightness-Galaxies with Uncertainty Quantification using Bayesian Neural Networks [70.80563014913676]
  ベイズニューラルネットワーク (BNN) を用いて, シミュレーションした低地表面明度銀河画像から, それらのパラメータの不確かさを推測できることを示す。 従来のプロファイル適合法と比較して、BNNを用いて得られた不確実性は等しく、よく校正され、パラメータの点推定は真の値に近いことを示す。
  論文  参考訳（メタデータ） (2022-07-07T17:55:26Z)
• 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)
• Variational Inference for Deblending Crowded Starfields [0.8471366736328809]
  本稿では,混み合った星場の天体画像のソースを損なうベイズ的手法であるStarNetを提案する。 M2球状星団のSDSS画像を用いた実験では、スターネットは2つの競合する手法よりもかなり精度が高い。
  論文  参考訳（メタデータ） (2021-02-04T04:36:58Z)
• Point Spread Function Estimation for Wide Field Small Aperture Telescopes with Deep Neural Networks and Calibration Data [11.909250072362264]
  点拡散関数 (PSF) は望遠鏡の状態を反映する。 視界全体の任意の位置におけるPSFの推定は、光学系によって誘導される収差が非常に複雑であるため困難である。 我々は、さらにディープニューラルネットワーク(DNN)に基づくPSFモデリング法を開発し、そのPSF推定への応用を示す。
  論文  参考訳（メタデータ） (2020-11-20T07:26:02Z)
• Deep Photon Mapping [59.41146655216394]
  本稿では,粒子ベースのレンダリングのための新しい深層学習手法を提案する。 我々は、カーネル関数を予測するために新しいディープニューラルネットワークをトレーニングし、シェーディングポイントでの光子寄与を集約する。 我々のネットワークは、個々の光子を光子ごとの特徴にエンコードし、シェーディングポイントの近傍でそれらを集約し、光子ごとの局所的特徴と光子ごとの局所的特徴からカーネル関数を推論する。
  論文  参考訳（メタデータ） (2020-04-25T06:59:10Z)

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。