Fugu-MT 論文翻訳(概要): A Generative Model for Disentangling Galaxy Photometric Parameters

論文の概要: A Generative Model for Disentangling Galaxy Photometric Parameters

arxiv url: http://arxiv.org/abs/2507.15898v1
Date: Mon, 21 Jul 2025 03:09:37 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-23 21:34:13.798573
Title: A Generative Model for Disentangling Galaxy Photometric Parameters
Title（参考訳）: 銀河測光パラメータを遠ざける生成モデル
Authors: Keen Leung, Colen Yan, Jun Yin,
Abstract要約: 本研究では,銀河形態を同時にモデル化し,特徴付けるための条件付きオートエンコーダ(CAE)フレームワークを提案する。我々のCAEは、GalSimによって生成されたリアルなモック銀河画像群に基づいて訓練されており、幅広い種類の銀河、測光パラメータ、観測条件を含んでいる。それぞれの銀河画像をキーパラメータに条件付き低次元の潜在表現に符号化することにより、これらの形態的特徴をアンタングル的に効果的に復元し、元の像を再構成する。
参考スコア（独自算出の注目度）: 1.8227840589648028
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Ongoing and future photometric surveys will produce unprecedented volumes of galaxy images, necessitating robust, efficient methods for deriving galaxy morphological parameters at scale. Traditional approaches, such as parametric light-profile fitting, offer valuable insights but become computationally prohibitive when applied to billions of sources. In this work, we propose a Conditional AutoEncoder (CAE) framework to simultaneously model and characterize galaxy morphology. Our CAE is trained on a suite of realistic mock galaxy images generated via GalSim, encompassing a broad range of galaxy types, photometric parameters (e.g., flux, half-light radius, Sersic index, ellipticity), and observational conditions. By encoding each galaxy image into a low-dimensional latent representation conditioned on key parameters, our model effectively recovers these morphological features in a disentangled manner, while also reconstructing the original image. The results demonstrate that the CAE approach can accurately and efficiently infer complex structural properties, offering a powerful alternative to existing methods.
Abstract（参考訳）: 今後および将来の測光調査では、大規模な銀河形態パラメーターを導出するための堅牢で効率的な方法を必要とする、前例のない量の銀河画像が生成される。パラメトリック照明のような伝統的なアプローチは、貴重な洞察を提供するが、数十億の情報源に適用した場合、計算的に禁止される。本研究では,銀河形態を同時にモデル化し,特徴付けるための条件付きオートエンコーダ(CAE)フレームワークを提案する。我々のCAEは、GalSimによって生成されたリアルなモック銀河画像群に基づいて訓練されており、幅広い種類の銀河、測光パラメータ(例えば、フラックス、半光半径、セルシック指数、楕円性)、観測条件を含む。それぞれの銀河画像をキーパラメータに条件付き低次元の潜在表現に符号化することにより、これらの形態的特徴をアンタングル的に効果的に復元し、元の像を再構成する。その結果、CAEアプローチは複雑な構造特性を正確にかつ効率的に推論し、既存の手法に代わる強力な代替手段を提供することを示した。

関連論文リスト

Category-based Galaxy Image Generation via Diffusion Models [0.39945675027960637]
拡散モデルのネットワーク設計において、銀河画像の特徴と天体物理特性の両方を活用する天文学における最初のフレームワークであるGalCatDiffを提案する。 GalCatDiffは拡張されたU-NetとAstro-RAB(Residual Attention Block)という新しいブロックを組み込んでいる。実験により、GalCatDiffはサンプルの色と大きさの分布の整合性において既存の手法よりも優れており、生成した銀河は視覚的にも現実的にも物理的に整合性があることが示された。
論文参考訳（メタデータ） (2025-06-19T12:14:33Z)
SphereDiffusion: Spherical Geometry-Aware Distortion Resilient Diffusion Model [63.685132323224124]
制御可能な球状パノラマ画像生成は、様々な領域でかなりの応用可能性を持っている。本稿では,これらの課題に対処するために,SphereDiffusionの新しいフレームワークを提案する。 Structured3Dデータセットの実験では、SphereDiffusionは制御可能な球面画像生成の品質を大幅に改善し、平均して約35%のFIDを相対的に削減している。
論文参考訳（メタデータ） (2024-03-15T06:26:46Z)
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)
From Images to Features: Unbiased Morphology Classification via Variational Auto-Encoders and Domain Adaptation [0.8010192121024553]
本稿では、変分オートエンコーダ(VAE)とドメイン適応(DA)の組み合わせを利用して、銀河画像の次元化のための新しいアプローチを提案する。その結果,40次元潜伏変数は銀河画像のほとんどの形態的特徴を効果的に再現できることが示唆された。我々は、DECLSとBASS+MzLSの重なり合うフットプリントにおける銀河を用いて、DAを介してVAEネットワークをチューニングすることで、我々のモデルをさらに強化する。
論文参考訳（メタデータ） (2023-03-15T13:54:11Z)
PAC-NeRF: Physics Augmented Continuum Neural Radiance Fields for Geometry-Agnostic System Identification [64.61198351207752]
ビデオからのシステム同定(オブジェクトの物理的パラメータを推定する)への既存のアプローチは、既知のオブジェクトジオメトリを仮定する。本研究では,オブジェクトの形状やトポロジを仮定することなく,多視点ビデオの集合から物理系を特徴付けるパラメータを同定することを目的とする。マルチビュービデオから高ダイナミックな物体の未知の幾何学的パラメータと物理的パラメータを推定するために,Physics Augmented Continuum Neural Radiance Fields (PAC-NeRF)を提案する。
論文参考訳（メタデータ） (2023-03-09T18:59:50Z)
Pixelated Reconstruction of Foreground Density and Background Surface Brightness in Gravitational Lensing Systems using Recurrent Inference Machines [116.33694183176617]
我々は、リカレント推論マシンに基づくニューラルネットワークを用いて、背景画像の歪みのない画像と、画素マップとしてのレンズ質量密度分布を再構成する。従来のパラメトリックモデルと比較して、提案手法はより表現力が高く、複雑な質量分布を再構成することができる。
論文参考訳（メタデータ） (2023-01-10T19:00:12Z)
Towards solving model bias in cosmic shear forward modeling [2.967246997200238]
弱い重力レンズは、宇宙のせん断と呼ばれる銀河形態のわずかなせん断を発生させる。楕円度測定の統計に基づくせん断推定の現代の技術は、楕円度が任意の銀河の光のプロファイルに対して適切に定義された量ではないという事実に悩まされている。生成モデルが銀河形態を捉えるハイブリッド物理・ディープラーニング階層ベイズモデルにより、現実的な銀河上でのせん断の偏りのない推定を復元できることを示す。
論文参考訳（メタデータ） (2022-10-28T16:23:49Z)
Inferring Structural Parameters of Low-Surface-Brightness-Galaxies with Uncertainty Quantification using Bayesian Neural Networks [70.80563014913676]
ベイズニューラルネットワーク (BNN) を用いて, シミュレーションした低地表面明度銀河画像から, それらのパラメータの不確かさを推測できることを示す。従来のプロファイル適合法と比較して、BNNを用いて得られた不確実性は等しく、よく校正され、パラメータの点推定は真の値に近いことを示す。
論文参考訳（メタデータ） (2022-07-07T17:55:26Z)
Realistic galaxy image simulation via score-based generative models [0.0]
本研究では,銀河の観測を模倣した現実的かつ偽のイメージを生成するために,スコアベースの生成モデルが利用できることを示す。主観的には、生成された銀河は実際のデータセットのサンプルと比較すると非常に現実的である。
論文参考訳（メタデータ） (2021-11-02T16:27:08Z)
PhySG: Inverse Rendering with Spherical Gaussians for Physics-based Material Editing and Relighting [60.75436852495868]
本稿では、RGB入力画像からジオメトリ、マテリアル、イルミネーションをゼロから再構築する逆レンダリングパイプラインPhySGを紹介します。我々は合成データと実データの両方を用いて,新しい視点のレンダリングを可能にするだけでなく,物質や照明の物理ベースの外観編集を可能にすることを実証した。
論文参考訳（メタデータ） (2021-04-01T17:59:02Z)
Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
論文参考訳（メタデータ） (2021-03-22T18:06:58Z)

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。