論文の概要: StrCGAN: A Generative Framework for Stellar Image Restoration
- arxiv url: http://arxiv.org/abs/2509.19805v2
- Date: Thu, 25 Sep 2025 07:22:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-26 12:02:33.941353
- Title: StrCGAN: A Generative Framework for Stellar Image Restoration
- Title（参考訳）: StrCGAN: ステレオ画像復元のための生成フレームワーク
- Authors: Shantanusinh Parmar,
- Abstract要約: 我々は、低解像度の天体写真画像を改善するために設計された生成モデルStrCGANを紹介する。
我々のゴールは、天体の高忠実な真実のような表現を再構築することであり、これは小望遠鏡観測の解像度と品質に制限があるため難しい課題である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We introduce StrCGAN (Stellar Cyclic GAN), a generative model designed to enhance low-resolution astrophotography images. Our goal is to reconstruct high-fidelity ground truth-like representations of celestial objects, a task that is challenging due to the limited resolution and quality of small-telescope observations such as the MobilTelesco dataset. Traditional models such as CycleGAN provide a foundation for image-to-image translation but are restricted to 2D mappings and often distort the morphology of stars and galaxies. To overcome these limitations, we extend the CycleGAN framework with three key innovations: 3D convolutional layers to capture volumetric spatial correlations, multi-spectral fusion to align optical and near-infrared (NIR) domains, and astrophysical regularization modules to preserve stellar morphology. Ground-truth references from multi-mission all-sky surveys spanning optical to NIR guide the training process, ensuring that reconstructions remain consistent across spectral bands. Together, these components allow StrCGAN to generate reconstructions that are not only visually sharper but also physically consistent, outperforming standard GAN models in the task of astrophysical image enhancement.
- Abstract（参考訳）: SrCGAN (Stellar Cyclic GAN) は低解像度の天体写真画像の高解像度化を目的とした生成モデルである。
我々の目標は、MobilTelescoデータセットのような小型望遠鏡観測の解像度と品質に制限があるため、天体の忠実度の高い真実のような表現を再構築することである。
CycleGANのような伝統的なモデルは、画像から画像への変換の基礎を提供するが、2Dマッピングに制限され、しばしば恒星や銀河の形態を歪ませる。
これらの制限を克服するために、我々はCycleGANフレームワークを、体積空間相関を捉える3次元畳み込み層、光学および近赤外線(NIR)ドメインを整列するマルチスペクトル融合、恒星形態を保存するための天体正則化モジュールの3つの重要な革新で拡張した。
光からNIRにまたがるマルチミッション・オールスキー・サーベイからの地中トルース参照は、トレーニング過程をガイドし、スペクトル帯間で再構成が一貫していることを保証する。
これらのコンポーネントを組み合わせることで、StrCGANは視覚的にシャープなだけでなく、物理的に整合性があり、天体物理学的な画像強調のタスクにおいて標準のGANモデルよりも優れた再現を生成することができる。
関連論文リスト
- GOGS: High-Fidelity Geometry and Relighting for Glossy Objects via Gaussian Surfels [0.9392167468538465]
RGB画像からの光沢のある物体の逆レンダリングは、本質的には固有の曖昧さによって制限されている。
2次元ガウス波をベースとした新しい2段階フレームワークGOGSを提案する。
我々は、新しい照明下での幾何再構成、物質分離、光リアルリライティングにおける最先端性能を実証する。
論文 参考訳（メタデータ） (2025-08-20T09:35:40Z) - Rotation Equivariant Arbitrary-scale Image Super-Resolution [62.41329042683779]
任意のスケールの超解像(ASISR)は、低解像度の入力画像から任意のスケールの高分解能回復を実現することを目的としている。
本研究では, 回転同変ASISR法の構築に尽力する。
論文 参考訳（メタデータ） (2025-08-07T08:51:03Z) - STAR: A Benchmark for Astronomical Star Fields Super-Resolution [51.79340280382437]
54,738個のフラックス一貫性の星体画像対を含む大規模SRデータセットSTARを提案する。
本稿では,Flux-Invariant Super Resolution (FISR)モデルを提案する。
論文 参考訳（メタデータ） (2025-07-22T09:28:28Z) - Reflections Unlock: Geometry-Aware Reflection Disentanglement in 3D Gaussian Splatting for Photorealistic Scenes Rendering [51.223347330075576]
Ref-Unlockは3Dガウススプラッティングをベースとした新しい幾何認識反射モデリングフレームワークである。
提案手法では、高次球面高調波を用いた二重分岐表現を用いて、高周波反射の詳細を捉える。
そこで本手法は,反射シーンのリアルなレンダリングのための効率的で一般化可能なソリューションを提供する。
論文 参考訳（メタデータ） (2025-07-08T15:45:08Z) - Bayesian Deconvolution of Astronomical Images with Diffusion Models: Quantifying Prior-Driven Features in Reconstructions [40.13294159814764]
天体画像のデコンボリューションは、天体の固有の性質を回復する鍵となる側面である。
本稿では,拡散モデル (DM) と拡散後サンプリング (DPS) アルゴリズムを用いた逆問題解法を提案する。
論文 参考訳（メタデータ） (2024-11-28T14:00:00Z) - Towards Degradation-Robust Reconstruction in Generalizable NeRF [58.33351079982745]
GNeRF(Generalizable Radiance Field)は,シーンごとの最適化を回避する手段として有効であることが証明されている。
GNeRFの強靭性は, ソース画像に現れる様々な種類の劣化に対して限定的に研究されている。
論文 参考訳（メタデータ） (2024-11-18T16:13:47Z) - Reconstructing Satellites in 3D from Amateur Telescope Images [44.20773507571372]
本稿では,ハイブリッド画像前処理パイプラインを統合することで,障害を克服する新しい計算イメージングフレームワークを提案する。
我々は,中国の江東宇宙ステーションと国際宇宙ステーションの合成衛星データセットとオンスキー観測の両方にアプローチを検証した。
我々のフレームワークは地球からの高忠実度3D衛星監視を可能にし、宇宙状況認識のためのコスト効率の良い代替手段を提供する。
論文 参考訳（メタデータ） (2024-04-29T03:13:09Z) - 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) - Light Field Diffusion for Single-View Novel View Synthesis [32.59286750410843]
NVS(Single-view novel view synthesis)は、コンピュータビジョンにおいて重要であるが困難である。
NVSの最近の進歩は、高忠実度画像を生成するのに優れた能力として、Denoising Diffusion Probabilistic Models (DDPMs)を活用している。
光電界拡散(LFD)は,従来のカメラポーズ行列への依存を超越した,条件拡散に基づく新しいアプローチである。
論文 参考訳（メタデータ） (2023-09-20T03:27:06Z) - Variable Radiance Field for Real-World Category-Specific Reconstruction from Single Image [25.44715538841181]
単一画像からNeural Radiance Field(NeRF)を使用してカテゴリ固有のオブジェクトを再構成することは、有望だが挑戦的な作業である。
本稿では,カテゴリ固有のオブジェクトを効率的に再構成できる新しいフレームワークである可変放射場(VRF)を提案する。
VRFは、再構築品質と計算効率の両方において最先端の性能を達成する。
論文 参考訳（メタデータ） (2023-06-08T12:12:02Z) - Single-Image HDR Reconstruction by Learning to Reverse the Camera
Pipeline [100.5353614588565]
本稿では,LDR画像形成パイプラインの領域知識をモデルに組み込むことを提案する。
我々は,HDRto-LDR画像形成パイプラインを(1)ダイナミックレンジクリッピング,(2)カメラ応答関数からの非線形マッピング,(3)量子化としてモデル化する。
提案手法は,最先端の単一画像HDR再構成アルゴリズムに対して良好に動作することを示す。
論文 参考訳（メタデータ） (2020-04-02T17:59:04Z)
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。