論文の概要: A New Statistical Model of Star Speckles for Learning to Detect and Characterize Exoplanets in Direct Imaging Observations

• arxiv url: http://arxiv.org/abs/2503.17117v1
• Date: Fri, 21 Mar 2025 13:07:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-24 14:57:33.565778
• Title: A New Statistical Model of Star Speckles for Learning to Detect and Characterize Exoplanets in Direct Imaging Observations
• Title（参考訳）: 直接イメージング観測における外惑星の検出・特徴化のためのスタースペックルの新統計モデル
• Authors: Théo Bodrito, Olivier Flasseur, Julien Mairal, Jean Ponce, Maud Langlois, Anne-Marie Lagrange,
• Abstract要約: 本稿では,マルチスケールアプローチを用いてニュアンス変動を捉える新しい統計モデルを提案する。 これは解釈可能なエンドツーエンドの学習可能なフレームワークに統合され、同時に外惑星の検出とフラックス推定を行う。 提案手法は, 計算効率が高く, 各種データ品質に対して頑健であり, 大規模観測調査に適している。
• 参考スコア（独自算出の注目度）: 37.845442465099396
• License:
• Abstract: The search for exoplanets is an active field in astronomy, with direct imaging as one of the most challenging methods due to faint exoplanet signals buried within stronger residual starlight. Successful detection requires advanced image processing to separate the exoplanet signal from this nuisance component. This paper presents a novel statistical model that captures nuisance fluctuations using a multi-scale approach, leveraging problem symmetries and a joint spectral channel representation grounded in physical principles. Our model integrates into an interpretable, end-to-end learnable framework for simultaneous exoplanet detection and flux estimation. The proposed algorithm is evaluated against the state of the art using datasets from the SPHERE instrument operating at the Very Large Telescope (VLT). It significantly improves the precision-recall trade-off, notably on challenging datasets that are otherwise unusable by astronomers. The proposed approach is computationally efficient, robust to varying data quality, and well suited for large-scale observational surveys.
• Abstract（参考訳）: 太陽系外惑星の探索は天文学の活発な分野であり、強い残留星光の中に埋もれているため、直接撮像は最も難しい方法の1つである。 検出に成功するためには、このニュアンス成分から外惑星信号を分離するために高度な画像処理が必要である。 本稿では,物理原理に基づく問題対称性と共同スペクトルチャネル表現を利用して,マルチスケールアプローチによるニュアンス変動を捉える新しい統計モデルを提案する。 我々のモデルは、外惑星検出とフラックス推定を同時に行うための、解釈可能な、エンドツーエンドの学習可能なフレームワークに統合される。 提案アルゴリズムは,超大型望遠鏡(VLT)で運用されているSPHERE機器のデータセットを用いて,最先端の手法に対して評価を行った。 これは精度とリコールのトレードオフを著しく改善し、特に天文学者が利用できない挑戦的なデータセットで顕著に改善する。 提案手法は, 計算効率が高く, 各種データ品質に対して頑健であり, 大規模観測調査に適している。

関連論文リスト

• Exoplanet Detection via Differentiable Rendering [23.64604723151245]
  太陽系外惑星の直接撮像は、主星と惑星の間の高コントラストのために大きな課題に直面している。 波面収差は、惑星の外観を模した回折された星のパターンである望遠鏡科学画像にスペックルを導入している。 従来の後処理方式は、主に画像強度領域で動作するが、波面センシングデータを統合していない。 本稿では、これらの波面センシングデータを利用して、外惑星検出を改善する微分可能なレンダリング手法を提案する。
  論文  参考訳（メタデータ） (2025-01-03T17:30:44Z)
• MODEL&CO: Exoplanet detection in angular differential imaging by learning across multiple observations [37.845442465099396]
  ほとんどの後処理法は、対象の観測自体から核分裂のモデルを構築している。 本稿では,教師付き深層学習技術を利用して,複数観測のアーカイブからニュアンスモデルを構築することを提案する。 本稿では,提案手法をVLT/SPHERE機器から得られた複数のデータセットに適用し,高精度なリコールトレードオフを示す。
  論文  参考訳（メタデータ） (2024-09-23T09:22:45Z)
• Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
  近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。 本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
  論文  参考訳（メタデータ） (2024-07-12T18:00:02Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
  本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。 提案手法は平均精度(MAP)を約45.7%向上させる。 この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
  論文  参考訳（メタデータ） (2023-11-21T19:49:13Z)
• Combining multi-spectral data with statistical and deep-learning models for improved exoplanet detection in direct imaging at high contrast [39.90150176899222]
  太陽系外惑星の信号は、いくつかの観測と専用の検出アルゴリズムを組み合わせることでのみ識別できる。 我々は,観測結果から直接,ニュアンスの空間的,時間的,スペクトル的特性のモデルを学ぶ。 その後、畳み込みニューラルネットワーク(CNN)が教師ありの方法で訓練され、合成源の残像を検出する。
  論文  参考訳（メタデータ） (2023-06-21T13:42:07Z)
• 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)
• Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet Transmission Spectra [68.8204255655161]
  我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。 スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。 主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
  論文  参考訳（メタデータ） (2022-01-07T22:26:33Z)
• Physically constrained causal noise models for high-contrast imaging of exoplanets [7.025418443146435]
  修正された半兄弟回帰スキームに基づく後処理の新しい手法を提案する。 私たちはこのフレームワークを使って、機械学習と既存の科学領域の知識を組み合わせる方法を示します。
  論文  参考訳（メタデータ） (2020-10-12T10:35:03Z)
• Hyperspectral and multispectral image fusion under spectrally varying spatial blurs -- Application to high dimensional infrared astronomical imaging [11.243400478302767]
  本稿では,高スペクトル分解能データバリアントを復元するために,各画像の利点を組み合わせたデータ融合手法を提案する。 我々は、ジェームズ・ウェッブ宇宙望遠鏡のシミュレーション観測のリアルな合成データセットで実験を行う。
  論文  参考訳（メタデータ） (2019-12-26T13:58:40Z)

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。