論文の概要: POLISH'ing the Sky: Wide-Field and High-Dynamic Range Interferometric Image Reconstruction with Application to Strong Lens Discovery

• arxiv url: http://arxiv.org/abs/2603.09162v1
• Date: Tue, 10 Mar 2026 03:59:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.018444
• Title: POLISH'ing the Sky: Wide-Field and High-Dynamic Range Interferometric Image Reconstruction with Application to Strong Lens Discovery
• Title（参考訳）: 空を飛ぶPOLISH:広視野・高ダイナミックレンジ干渉画像再構成と強レンズ発見への応用
• Authors: Zihui Wu, Liam Connor, Samuel McCarty, Katherine L. Bouman,
• Abstract要約: 実環境下での堅牢な再構築と超解像を実現するための改良を提案する。 本研究は,次世代電波天文学の実用的でスケーラブルなツールとして,DLモデルの可能性を強調した。
• 参考スコア（独自算出の注目度）: 11.298470486007806
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Radio interferometry enables high-resolution imaging of astronomical radio sources by synthesizing a large effective aperture from an array of antennas and solving a deconvolution problem to reconstruct the image. Deep learning has emerged as a promising solution to the imaging problem, reducing computational costs and enabling super-resolution. However, existing DL-based methods often fall short of the requirements for real-world deployment due to limitations in handling high dynamic range, large field of view, and mismatches between training and test conditions. In this work, we build upon and extend the POLISH framework, a recent DL model for radio interferometric imaging. We introduce key improvements to enable robust reconstruction and super-resolution under real-world conditions: (1) a patch-wise training and stitching strategy for scaling to wide-field imaging and (2) a nonlinear arcsinh-based intensity transformation to manage high dynamic range. We conduct comprehensive evaluations using the T-RECS simulation suite with realistic sky models and point spead functions (PSF), and demonstrate that our approach significantly improves reconstruction quality and robustness. We test the model on realistic simulated strong gravitational lenses and show that lens systems with Einstein radii near the PSF scale can be recovered after deconvolution with our POLISH model, potentially yielding 10$\times$ more galaxy-galaxy lensing systems from the Deep Synoptic Array (DSA) survey than with image-plane CLEAN. Our results highlight the potential of DL models as practical, scalable tools for next-generation radio astronomy.
• Abstract（参考訳）: 電波干渉計は、アンテナの配列から大きな有効開口を合成し、デコンボリューション問題を解き、画像を再構成することで、天文学的な電波源の高分解能イメージングを可能にする。 深層学習は画像問題に対する有望な解決策として現れ、計算コストを削減し、超高解像度化を実現している。 しかし、既存のDLベースの手法は、高いダイナミックレンジ、広い視野、トレーニングとテスト条件のミスマッチに制約があるため、現実のデプロイメントの要件を満たさないことが多い。 本研究では,無線干渉画像のための最近のDLモデルであるPOLISHフレームワークを構築し,拡張する。 本研究では,(1)広視野画像への拡大のためのパッチワイドトレーニングと縫合戦略,(2)高ダイナミックレンジ管理のための非線形アルシンベース強度変換など,実世界の環境下での堅牢な再構築と超解像を実現するための重要な改良点を紹介する。 我々は,現実的なスカイモデルと点スピード関数(PSF)を備えたT-RECSシミュレーションスイートを用いて総合評価を行い,提案手法が再現性や堅牢性を大幅に向上することを示す。 PSFスケール付近のアインシュタイン半径を持つレンズ系はPOLISHモデルと非畳み込みした後に回復し,DSAによる10$\times$以上の銀河ギャラクシーレンズ系を画像平面CLEANより得る可能性が示された。 本研究は,次世代電波天文学の実用的でスケーラブルなツールとして,DLモデルの可能性を強調した。

関連論文リスト

• Learning to Remove Lens Flare in Event Camera [56.9171469873838]
  イベントカメラデータからレンズフレアを除去する最初のフレームワークであるE-DeflareDeflareを提案する。 まず、非線形抑制機構の物理基底フォワードモデルを導出した理論基盤を確立する。 このベンチマークを利用して、最先端の復元性能を実現するE-DeflareNetを設計する。
  論文  参考訳（メタデータ） (2025-12-09T18:59:57Z)
• StrCGAN: A Generative Framework for Stellar Image Restoration [0.0]
  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。
  論文  参考訳（メタデータ） (2025-09-24T06:42:32Z)
• LensNet: An End-to-End Learning Framework for Empirical Point Spread Function Modeling and Lensless Imaging Reconstruction [32.85180149439811]
  レンズレスイメージングは、従来のレンズベースのシステムに代わる有望な選択肢である。 従来のレンズレス技術は、しばしば明示的な校正と広範な前処理を必要とする。 本研究では,空間領域と周波数領域の表現を統合したエンドツーエンドのディープラーニングフレームワークであるLensNetを提案する。
  論文  参考訳（メタデータ） (2025-05-03T09:11:52Z)
• Large model enhanced computational ghost imaging [44.77879260113026]
  ゴーストイメージング(GI)は1次元バケット信号と2次元光場情報の高次相関による2次元画像再構成を実現する。 近年の研究では、深層学習(DL)がゴースト画像再構成の品質を大幅に向上させることができることが確認されている。 GILMの物理原理を取り入れた14億のパラメータを持つ最初の大規模画像モデルを提案する。
  論文  参考訳（メタデータ） (2025-03-10T03:34:28Z)
• Physics-Driven Turbulence Image Restoration with Stochastic Refinement [80.79900297089176]
  大気乱流による画像歪みは、長距離光学画像システムにおいて重要な問題である。 ディープラーニングモデルが現実世界の乱流条件に適応するために、高速で物理学的なシミュレーションツールが導入された。 本稿では,物理統合復元ネットワーク(PiRN)を提案する。
  論文  参考訳（メタデータ） (2023-07-20T05:49:21Z)
• TensoIR: Tensorial Inverse Rendering [51.57268311847087]
  テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。 TensoRFは、放射場モデリングのための最先端のアプローチである。
  論文  参考訳（メタデータ） (2023-04-24T21:39:13Z)
• Near-filed SAR Image Restoration with Deep Learning Inverse Technique: A Preliminary Study [5.489791364472879]
  近接場合成開口レーダ(SAR)は、ターゲットの散乱分布ホットスポットの高解像度画像を提供する。 一方、撮像の結果は、サイドローブ、クラッタ、ノイズから必然的に劣化する。 イメージを復元するために、現在の手法では、例えば、点拡散関数(PSF)は空間的に一貫したものであり、ターゲットはスパース点散乱器などで構成されている。 我々は、分解モデルを空間的に可変な複素畳み込みモデルに再構成し、近接場SARのシステム応答を考慮した。 モデルに基づくディープラーニングネットワークは、復元するために設計されている
  論文  参考訳（メタデータ） (2022-11-28T01:28:33Z)
• Universal and Flexible Optical Aberration Correction Using Deep-Prior Based Deconvolution [51.274657266928315]
  そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。 具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
  論文  参考訳（メタデータ） (2021-04-07T12:00:38Z)
• 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。