論文の概要: Improving the Temporal Resolution of SOHO/MDI Magnetograms of Solar Active Regions Using a Deep Generative Model

• arxiv url: http://arxiv.org/abs/2503.03959v1
• Date: Wed, 05 Mar 2025 23:22:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-07 15:57:21.242566
• Title: Improving the Temporal Resolution of SOHO/MDI Magnetograms of Solar Active Regions Using a Deep Generative Model
• Title（参考訳）: 深部生成モデルによる太陽活動領域のSOHO/MDI磁図の時間分解能の向上
• Authors: Jialiang Li, Vasyl Yurchyshyn, Jason T. L. Wang, Haimin Wang, Yasser Abduallah, Khalid A. Alobaid, Chunhui Xu, Ruizhu Chen, Yan Xu,
• Abstract要約: 我々は、太陽・半球観測衛星(SOHO)に搭載されたMichelson Doppler Imager(MDI)により収集された太陽活動領域(AR)のLOS磁図の時間分解能を改善するために、GenMDIと呼ばれる新しい深部生成モデルを提案する。 MDIマグネティックグラムの空間超解像を主眼とする従来の研究とは異なり、我々の手法は時間超解像を行うことができる。
• 参考スコア（独自算出の注目度）: 3.4611525658418754
• License:
• Abstract: We present a novel deep generative model, named GenMDI, to improve the temporal resolution of line-of-sight (LOS) magnetograms of solar active regions (ARs) collected by the Michelson Doppler Imager (MDI) on board the Solar and Heliospheric Observatory (SOHO). Unlike previous studies that focus primarily on spatial super-resolution of MDI magnetograms, our approach can perform temporal super-resolution, which generates and inserts synthetic data between observed MDI magnetograms, thus providing finer temporal structure and enhanced details in the LOS data. The GenMDI model employs a conditional diffusion process, which synthesizes images by considering both preceding and subsequent magnetograms, ensuring that the generated images are not only of high-quality, but also temporally coherent with the surrounding data. Experimental results show that the GenMDI model performs better than the traditional linear interpolation method, especially in ARs with dynamic evolution in magnetic fields.
• Abstract（参考訳）: 我々は,太陽・半球観測衛星(SOHO)に搭載されたMichelson Doppler Imager(MDI)により収集された太陽活動領域(AR)のLOS(Line-of-sight)磁図の時間分解能を改善するために,GenMDIと呼ばれる新しい深部生成モデルを提案する。 MDIマグネティックグラムの空間超解像を主眼とする従来の研究とは異なり、我々の手法は時間超解像を行い、観測されたMDIマグネティックグラム間の合成データを生成・挿入し、より微細な時間構造とLOSデータの詳細を提供する。 GenMDIモデルは、前と後の両方の磁気グラムを考慮して画像を合成する条件拡散プロセスを採用し、生成した画像が高品質であるだけでなく、周辺データと時間的に整合していることを保証する。 実験結果から,GenMDIモデルは従来の線形補間法よりも優れた性能を示し,特に磁場の動的進化を伴うARにおいて有効であることがわかった。

関連論文リスト

• AdaDiffSR: Adaptive Region-aware Dynamic Acceleration Diffusion Model for Real-World Image Super-Resolution [14.2500092850787]
  拡散モデル(DM)は、単一画像の超解像や他の画像間翻訳タスクにおいて有望な結果を示している。 我々は、動的時間ステップサンプリング戦略(DTSS)を備えたDMsベースの超解像パイプラインであるAdaDiffSRを提案する。 実験の結果,AdaDiffSR は現在の最先端の DM ベースの SR 手法よりも高い性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2024-10-23T10:29:18Z)
• Magnetogram-to-Magnetogram: Generative Forecasting of Solar Evolution [0.0]
  DDPM(Denoising Diffusion Probabilistic Models)を用いた画像と画像の変換による視線(LoS)磁気グラムの進化予測手法を提案する。 提案手法は,画像品質の「計算機科学メトリクス」と物理精度の「物理メトリクス」を組み合わせて,モデル性能の評価を行う。 その結果, DDPMは, 太陽磁場の動的範囲, 磁束, 活動領域の大きさなどの物理的特徴の維持に有効であることが示唆された。
  論文  参考訳（メタデータ） (2024-07-16T12:28:10Z)
• Inter-slice Super-resolution of Magnetic Resonance Images by Pre-training and Self-supervised Fine-tuning [49.197385954021456]
  臨床実践では、2次元磁気共鳴(MR)シーケンスが広く採用されている。個々の2次元スライスを積み重ねて3次元ボリュームを形成できるが、比較的大きなスライスススペーシングは可視化とその後の解析タスクに課題をもたらす可能性がある。 スライス間隔を低減するため,ディープラーニングに基づく超解像技術が広く研究されている。 現在のほとんどのソリューションは、教師付きトレーニングのために、かなりの数の高解像度と低解像度の画像を必要とするが、通常は現実のシナリオでは利用できない。
  論文  参考訳（メタデータ） (2024-06-10T02:20:26Z)
• Generating Content for HDR Deghosting from Frequency View [56.103761824603644]
  近年の拡散モデル (DM) はHDRイメージング分野に導入されている。 DMは画像全体を推定するために大きなモデルで広範囲の反復を必要とする。 ゴーストフリーHDRイメージングのための低周波数対応拡散(LF-Diff)モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-01T01:32:11Z)
• Super-Resolution of SOHO/MDI Magnetograms of Solar Active Regions Using SDO/HMI Data and an Attention-Aided Convolutional Neural Network [4.746722440828454]
  太陽画像超解像のための注意支援畳み込みニューラルネットワーク(CNN)を提案する。 太陽・ヘリオスフェア天文台(SOHO)に搭載されたミッチェルソンドップラー・イメージラー(MDI)によって収集された太陽活動領域(AR)の視線磁図の質を高めることを目的として,SolarCNNと名付けられた手法を開発した。 実験結果から、SolarCNNは構造類似度指数測定(SSIM)、ピアソン相関係数(PCC)、ピーク信号-雑音比(PSNR)の観点からSOHO/MDI磁気グラムの品質を向上させることが示された。
  論文  参考訳（メタデータ） (2024-03-27T06:58:01Z)
• Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
  確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。 ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。 PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
  論文  参考訳（メタデータ） (2023-08-31T16:26:17Z)
• 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)
• Universal Generative Modeling in Dual-domain for Dynamic MR Imaging [22.915796840971396]
  我々は,高度にアンダーサンプリングされた測定値の再構成を行うために,k-spaceとDu-al-Domainコラボレーティブユニバーサル生成モデル(DD-UGM)を提案する。 より正確には、画像領域とk空間領域の両方の先行成分を普遍的な生成モデルで抽出し、これらの先行成分を適応的に処理し、より高速に処理する。
  論文  参考訳（メタデータ） (2022-12-15T03:04:48Z)
• Diffusion Deformable Model for 4D Temporal Medical Image Generation [47.03842361418344]
  3D+t(4D)情報を持つ時間体積画像は、時間動態を統計的に分析したり、病気の進行を捉えるためにしばしば医療画像に使用される。 本稿では,ソースボリュームとターゲットボリュームの中間時間ボリュームを生成する新しいディープラーニングモデルを提案する。
  論文  参考訳（メタデータ） (2022-06-27T13:37:57Z)
• K-space and Image Domain Collaborative Energy based Model for Parallel MRI Reconstruction [21.317550364310343]
  磁気共鳴(MR)画像取得時間の減少は、MRI検査をよりアクセスしやすくする可能性がある。 そこで我々は,K空間と画像領域の協調生成モデルを提案し,アンダーサンプル計測からMRデータを包括的に推定する。 実験による最先端技術との比較により, 提案手法は再構成における誤差が少なく, 異なる加速度因子下では安定であることがわかった。
  論文  参考訳（メタデータ） (2022-03-21T07:38:59Z)
• Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening Simulations [58.720142291102135]
  動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。 本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
  論文  参考訳（メタデータ） (2021-04-28T22:14:25Z)

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。