論文の概要: Deep learning image burst stacking to reconstruct high-resolution ground-based solar observations

• arxiv url: http://arxiv.org/abs/2506.04781v1
• Date: Thu, 05 Jun 2025 09:10:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.61959
• Title: Deep learning image burst stacking to reconstruct high-resolution ground-based solar observations
• Title（参考訳）: 深層学習画像バースト積み重ねによる高分解能地上太陽観測の再構築
• Authors: Christoph Schirninger, Robert Jarolim, Astrid M. Veronig, Christoph Kuckein,
• Abstract要約: 短時間露光による現在の復元手法は、強い乱流と高い計算コストを伴う課題に直面している。 本稿では,100個の短い露光画像を1つの高品質な画像にリアルタイムに再構成する深層学習手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large aperture ground based solar telescopes allow the solar atmosphere to be resolved in unprecedented detail. However, observations are limited by Earths turbulent atmosphere, requiring post image corrections. Current reconstruction methods using short exposure bursts face challenges with strong turbulence and high computational costs. We introduce a deep learning approach that reconstructs 100 short exposure images into one high quality image in real time. Using unpaired image to image translation, our model is trained on degraded bursts with speckle reconstructions as references, improving robustness and generalization. Our method shows an improved robustness in terms of perceptual quality, especially when speckle reconstructions show artifacts. An evaluation with a varying number of images per burst demonstrates that our method makes efficient use of the combined image information and achieves the best reconstructions when provided with the full image burst.
• Abstract（参考訳）: 大きな開口地ベースの太陽望遠鏡は、前例のない詳細で太陽の大気を分解することを可能にする。 しかし、観測は地球の乱流の大気によって制限され、画像修正を必要とする。 短時間露光による現在の復元法は、強い乱流と高い計算コストを伴う課題に直面している。 本稿では,100個の短い露光画像を1つの高品質な画像にリアルタイムに再構成する深層学習手法を提案する。 画像翻訳に未ペア画像を用いることで、スペックル再構成を基準として劣化バーストを訓練し、ロバスト性や一般化を改善した。 提案手法は知覚的品質の面での堅牢性の向上を示し,特にスペックル復元でアーチファクトが示される場合について検討した。 バースト毎に異なる画像数で評価した結果, 組み合わせた画像情報を効率よく利用し, フル画像バーストを付与した場合に最適な再構成を行うことができた。

関連論文リスト

• Astrophotography turbulence mitigation via generative models [3.435619322951694]
  地上の望遠鏡が捉えたほとんどの天体画像は大気の乱れに悩まされ、画質が劣化した。 AstroDiffは,大気乱流を緩和するために,高品質な生成先行と拡散モデルの復元機能の両方を活用する生成復元法である。
  論文  参考訳（メタデータ） (2025-06-03T15:18:48Z)
• AerialMegaDepth: Learning Aerial-Ground Reconstruction and View Synthesis [57.249817395828174]
  本研究では,3次元都市規模のメッシュからの擬似合成レンダリングと,実地レベルでのクラウドソース画像を組み合わせたスケーラブルなフレームワークを提案する。 擬似合成データは、幅広い空中視点をシミュレートする一方、実際のクラウドソース画像は、地上レベルの画像の視覚的忠実度を改善するのに役立つ。 このハイブリッドデータセットを使用して、いくつかの最先端のアルゴリズムを微調整し、実世界のゼロショット地上作業において大幅な改善を実現する。
  論文  参考訳（メタデータ） (2025-04-17T17:57:05Z)
• Exposure Bracketing Is All You Need For A High-Quality Image [50.822601495422916]
  マルチ露光画像は、デノイング、デブロアリング、高ダイナミックレンジイメージング、超解像において相補的である。 本研究では,これらの課題を組み合わせ,高品質な画像を得るために露光ブラケット写真を活用することを提案する。 特に時間変調リカレントネットワーク(TMRNet)と自己教師あり適応手法を提案する。
  論文  参考訳（メタデータ） (2024-01-01T14:14:35Z)
• Reconstruction Distortion of Learned Image Compression with Imperceptible Perturbations [69.25683256447044]
  本稿では,学習画像圧縮(lic)の再構成品質を効果的に劣化させる攻撃手法を提案する。 我々は,Frobeniusノルムに基づく損失関数を導入して,元の画像と再構成された逆例との差を最大化することによって,逆例を生成する。 様々なlicモデルを用いてKodakデータセット上で実験を行った結果,有効性が確認された。
  論文  参考訳（メタデータ） (2023-06-01T20:21:05Z)
• Infrared Image Deturbulence Restoration Using Degradation Parameter-Assisted Wide & Deep Learning [12.305318121246277]
  本研究では,パラメータ支援型マルチフレームネットワークであるDparNetを提案する。 DparNetは、外部の知識なしに、劣化した画像から直接劣化を学習する。 修復性能と効率性において、ステート・オブ・ザ・アーツ(SOTA)法を著しく上回っている。
  論文  参考訳（メタデータ） (2023-05-30T03:24:09Z)
• 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)
• S2F2: Self-Supervised High Fidelity Face Reconstruction from Monocular Image [2.469794902645761]
  単一画像から空間的に変化する顔の反射率の詳細な顔形状を再構成する新しい顔再構成法を提案する。 最先端の手法と比較して,本手法はより視覚的に魅力的な再構築を実現する。
  論文  参考訳（メタデータ） (2022-03-15T08:55:45Z)
• Underwater Image Restoration via Contrastive Learning and a Real-world Dataset [59.35766392100753]
  本稿では,教師なし画像から画像への翻訳フレームワークに基づく水中画像復元手法を提案する。 提案手法は, 生画像と復元画像の相互情報を最大化するために, コントラスト学習と生成敵ネットワークを利用した。
  論文  参考訳（メタデータ） (2021-06-20T16:06:26Z)
• Towards High Fidelity Monocular Face Reconstruction with Rich Reflectance using Self-supervised Learning and Ray Tracing [49.759478460828504]
  ディープニューラルネットワークエンコーダと異なるレンダリングを組み合わせた手法が、幾何学、照明、反射の非常に高速な単分子再構成の道を開いた。 古典的な最適化ベースのフレームワーク内での単眼顔再構築のためにレイトレースが導入されました。 一般シーンにおける復元品質と堅牢性を大幅に向上させる新しい手法を提案します。
  論文  参考訳（メタデータ） (2021-03-29T08:58:10Z)

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。