論文の概要: AstroClearNet: Deep image prior for multi-frame astronomical image restoration

• arxiv url: http://arxiv.org/abs/2504.06463v1
• Date: Tue, 08 Apr 2025 22:07:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-10 13:03:51.317281
• Title: AstroClearNet: Deep image prior for multi-frame astronomical image restoration
• Title（参考訳）: AstroClearNet: 複数フレームの天体画像復元に先立つ深層画像
• Authors: Yashil Sukurdeep, Fausto Navarro, Tamás Budavári,
• Abstract要約: 地上天文学は複数の露光を組み合わせ、信号と雑音の比を高める。 深層画像の先行画像に基づく自己教師型マルチフレーム手法を提案する。 提案手法は,ハイパー・サプライム・カム露光処理により,よりシャープに復元された画像で有望な予備結果が得られることを示す。
• 参考スコア（独自算出の注目度）: 1.2289361708127877
• License:
• Abstract: Recovering high-fidelity images of the night sky from blurred observations is a fundamental problem in astronomy, where traditional methods typically fall short. In ground-based astronomy, combining multiple exposures to enhance signal-to-noise ratios is further complicated by variations in the point-spread function caused by atmospheric turbulence. In this work, we present a self-supervised multi-frame method, based on deep image priors, for denoising, deblurring, and coadding ground-based exposures. Central to our approach is a carefully designed convolutional neural network that integrates information across multiple observations and enforces physically motivated constraints. We demonstrate the method's potential by processing Hyper Suprime-Cam exposures, yielding promising preliminary results with sharper restored images.
• Abstract（参考訳）: ぼやけた観測から夜空の高忠実なイメージを復元することは天文学の基本的問題であり、伝統的な手法は一般的には短くなる。 地上天文学において、複数の露光を組み合わせて信号と雑音の比を高めることは、大気乱流に起因する点拡散関数の変化によってさらに複雑になる。 本研究では,深層画像の先行画像に基づく自己教師型マルチフレーム手法を提案する。 われわれのアプローチの中心は、慎重に設計された畳み込みニューラルネットワークであり、複数の観測情報を統合し、物理的に動機づけられた制約を強制する。 提案手法は,ハイパー・サプライム・カム露光処理により,よりシャープに復元された画像で有望な予備結果が得られることを示す。

関連論文リスト

• FusionRF: High-Fidelity Satellite Neural Radiance Fields from Multispectral and Panchromatic Acquisitions [38.55830312265355]
  衛星マルチスペクトルおよびパンクロマティック画像からのデジタル表面再構成のための新しいフレームワークであるFusionRFを紹介する。 その結果,FusionRFは深度復元精度を平均17%向上し,鋭いトレーニングと新規な視点を呈することがわかった。
  論文  参考訳（メタデータ） (2024-09-23T15:38:03Z)
• 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)
• Handheld Burst Super-Resolution Meets Multi-Exposure Satellite Imagery [7.9716992946722804]
  我々は,スマートフォンカメラバーストの超高分解能化に最先端のカーネルレグレッション技術を適用した。 画像の局所構造を利用して核融合を最適に操り、最終的な高分解能予測における曖昧さを制限する。 我々は、マルチ露光低解像度フレームの列から高分解能かつノイズフリーなフレームを予測するためにこのアプローチを拡張した。
  論文  参考訳（メタデータ） (2023-03-10T12:13:31Z)
• Learning the Night Sky with Deep Generative Priors [1.1470070927586016]
  本研究では, 深部生成前処理に触発された画像の識別, 分解, 付加を行う, 教師なしマルチフレーム手法を開発した。 4KHyper Suprime-Cam露光で4Kを解析し,有望な復元画像と抽出したソースリストを得る予備結果を得た。
  論文  参考訳（メタデータ） (2023-02-03T23:28:23Z)
• Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
  オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。 提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
  論文  参考訳（メタデータ） (2022-12-23T03:00:28Z)
• Learning to restore images degraded by atmospheric turbulence using uncertainty [93.72048616001064]
  大気の乱流は、長距離イメージングシステムによって取得された画像の品質を著しく低下させることができる。 本研究では,大気乱流により劣化した1つの画像の復元のための深層学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-07-07T17:24:52Z)
• Self-Supervised Super-Resolution for Multi-Exposure Push-Frame Satellites [13.267489927661797]
  提案手法は,入力中の信号依存ノイズ,任意の長さのプロセスシーケンスを処理し,露光時の不正確さに頑健である。 現実の高解像度フレームを必要とせずに、セルフスーパービジョンでエンドツーエンドでトレーニングすることができる。 提案手法を合成および実データ上で評価し,既存の単一露光手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-04T12:42:57Z)
• LTT-GAN: Looking Through Turbulence by Inverting GANs [86.25869403782957]
  本稿では,よく訓練されたGANによってカプセル化された視覚的事前情報を利用した最初の乱流緩和手法を提案する。 視覚的先行性に基づき、周期的な文脈距離で復元された画像の同一性を維持することを学ぶことを提案する。 本手法は, 回復した結果の視覚的品質と顔認証精度の両方において, 先行技術よりも優れていた。
  論文  参考訳（メタデータ） (2021-12-04T16:42:13Z)
• Deep Reparametrization of Multi-Frame Super-Resolution and Denoising [167.42453826365434]
  本稿では,多フレーム画像復元作業によく用いられる最大後部定式化の深部再パラメータ化を提案する。 提案手法は,学習された誤差メトリックと,対象画像の潜在表現を導入することによって導かれる。 我々は、バースト復調およびバースト超解像データセットに関する包括的な実験を通して、我々のアプローチを検証する。
  論文  参考訳（メタデータ） (2021-08-18T17:57:02Z)
• Learning to Restore a Single Face Image Degraded by Atmospheric Turbulence using CNNs [93.72048616001064]
  このような条件下で撮影された画像は、幾何学的変形と空間のぼかしの組合せに悩まされる。 乱流劣化顔画像の復元問題に対する深層学習に基づく解法を提案する。
  論文  参考訳（メタデータ） (2020-07-16T15:25:08Z)

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。