論文の概要: Galaxy image simplification using Generative AI

• arxiv url: http://arxiv.org/abs/2507.11692v1
• Date: Tue, 15 Jul 2025 19:48:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-17 19:00:11.130018
• Title: Galaxy image simplification using Generative AI
• Title（参考訳）: Generative AIを用いた銀河画像の簡易化
• Authors: Sai Teja Erukude, Lior Shamir,
• Abstract要約: 生成AIに基づく銀河画像解析に新たなアプローチを導入する。 この方法は銀河画像を単純化し、自動的に骨格化した形で変換する。 DESIレガシーサーベイで取得した銀河画像に適用し,本手法を実証する。
• 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: Modern digital sky surveys have been acquiring images of billions of galaxies. While these images often provide sufficient details to analyze the shape of the galaxies, accurate analysis of such high volumes of images requires effective automation. Current solutions often rely on machine learning annotation of the galaxy images based on a set of pre-defined classes. Here we introduce a new approach to galaxy image analysis that is based on generative AI. The method simplifies the galaxy images and automatically converts them into a ``skeletonized" form. The simplified images allow accurate measurements of the galaxy shapes and analysis that is not limited to a certain pre-defined set of classes. We demonstrate the method by applying it to galaxy images acquired by the DESI Legacy Survey. The code and data are publicly available. The method was applied to 125,000 DESI Legacy Survey images, and the catalog of the simplified images is publicly available.
• Abstract（参考訳）: 現代のデジタルスカイサーベイは何十億もの銀河の画像を取得している。 これらの画像はしばしば銀河の形状を分析するのに十分な詳細を提供するが、そのような大量の画像の正確な分析には効果的な自動化が必要である。 現在のソリューションは、事前に定義された一連のクラスに基づいて、銀河画像の機械学習アノテーションに依存することが多い。 本稿では、生成AIに基づく銀河画像解析の新しいアプローチを提案する。 この方法は銀河画像を単純化し、自動的に「スケルトン化」形式に変換する。 単純化された画像は、ある定義済みのクラスに限らず、銀河の形状と分析の正確な測定を可能にする。 DESIレガシーサーベイで取得した銀河画像に適用し,本手法を実証する。 コードとデータは公開されています。 この手法は125,000 DESI Legacy Surveyの画像に適用され、単純化された画像のカタログが公開されている。

関連論文リスト

• Exploring Non-contrastive Self-supervised Representation Learning for Image-based Profiling [80.09819072780193]
  SSLProfilerは、セルプロファイリング用に特別に設計された非コントラストSSLフレームワークである。 本稿では,セル画像に適したデータ拡張と表現後処理手法を提案する。 これらの改善により、SSLProfilerはCVPR 2025でCell Line Transferabilityで優勝した。
  論文  参考訳（メタデータ） (2025-06-17T07:25:57Z)
• Self-Supervised Learning for Detecting AI-Generated Faces as Anomalies [58.11545090128854]
  本稿では、写真顔画像から純粋にカメラ固有の特徴と顔特有の特徴の自己教師付き学習を活用することで、AI生成顔の異常検出手法について述べる。 提案手法の成功は,特徴抽出器を訓練して4つの通常交換可能な画像ファイルフォーマット(EXIF)をランク付けし,人工的に操作された顔画像の分類を行うプリテキストタスクを設計することにある。
  論文  参考訳（メタデータ） (2025-01-04T06:23:24Z)
• Galaxy Classification: A machine learning approach for classifying shapes using numerical data [0.0]
  我々は,Galaxy Zooプロジェクトの数値データを用いて,銀河分類のための機械学習モデルを提案する。 我々のモデルは銀河の分類において高い精度を達成し、銀河の形成と進化の理解を著しく向上させる可能性を持っている。
  論文  参考訳（メタデータ） (2023-11-30T20:47:16Z)
• Detecting Generated Images by Real Images Only [64.12501227493765]
  既存の画像検出手法は、生成画像中の視覚的アーティファクトを検出したり、大規模なトレーニングによって、実画像と生成画像の両方から識別的特徴を学習する。 本稿では,新たな視点から生成した画像検出問題にアプローチする。 実画像の共通性を見つけ、特徴空間内の密接な部分空間にマッピングすることで、生成した画像は生成モデルに関係なくサブ空間の外側に投影される。
  論文  参考訳（メタデータ） (2023-11-02T03:09:37Z)
• Spiral-Elliptical automated galaxy morphology classification from telescope images [0.40792653193642503]
  我々は、望遠鏡の銀河画像から効率的に抽出できる2つの新しい銀河形態統計、降下平均と降下分散を開発した。 我々は,Sloan Digital Sky Surveyの銀河画像データを用いて,提案した画像統計の有効性能を実証した。
  論文  参考訳（メタデータ） (2023-10-10T22:36:52Z)
• Kosmos-G: Generating Images in Context with Multimodal Large Language Models [117.0259361818715]
  現在の被写体駆動画像生成法では、テストタイムチューニングが必要であり、インターリーブされたマルチイメージとテキスト入力を受け付けない。 本稿では,マルチモーダル大規模言語モデルの高度なマルチモーダル認識機能を活用するモデルであるKosmos-Gを提案する。 Kosmos-Gは、インターリーブされたマルチイメージとテキスト入力によるゼロショットの主観的生成の印象的な能力を示す。
  論文  参考訳（メタデータ） (2023-10-04T17:28:44Z)
• Astroformer: More Data Might not be all you need for Classification [0.0]
  少ないデータ量から学習する方法であるAstroformerを紹介する。 提案手法は,Galaxy10 DECalsデータセットの画像から銀河形態を予測するための新たな最先端技術である。
  論文  参考訳（メタデータ） (2023-04-03T09:38:05Z)
• InvGAN: Invertible GANs [88.58338626299837]
  InvGANはInvertible GANの略で、高品質な生成モデルの潜在空間に実際の画像を埋め込むことに成功した。 これにより、画像のインペイント、マージ、オンラインデータ拡張を実行できます。
  論文  参考訳（メタデータ） (2021-12-08T21:39:00Z)
• Morphological classification of astronomical images with limited labelling [0.0]
  本稿では, 対向オートエンコーダ(AAE)モデルの能動的学習に基づく, 銀河形態分類の効果的な半教師付き手法を提案する。 2値分類問題(Galaxy Zoo 2決定木のトップレベル問題)では、わずか0.86万のマークアップアクションで、テスト部分で93.1%の精度を達成した。 マークアップ精度が95.5%のベストモデルです。
  論文  参考訳（メタデータ） (2021-04-27T19:26:27Z)
• DeepShadows: Separating Low Surface Brightness Galaxies from Artifacts using Deep Learning [70.80563014913676]
  本研究では,低地光度銀河と人工物とを分離する問題に対する畳み込みニューラルネットワーク(CNN)の利用について検討する。 我々は、CNNが低地光度宇宙の研究に非常に有望な道を提供することを示した。
  論文  参考訳（メタデータ） (2020-11-24T22:51:08Z)
• A catalog of broad morphology of Pan-STARRS galaxies based on deep learning [0.0]
  本稿では、銀河の自動的広帯域形態学アノテーションのためのデータ解析プロセスの設計と実装について述べる。 このプロセスはフィルタに基づいており、2段階の畳み込みニューラルネットワーク(CNN)分類が続く。 結果は、パンスターズ銀河のアノテーションとの比較により、精度を評価する。
  論文  参考訳（メタデータ） (2020-10-12T23:20:35Z)

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。