論文の概要: Identifying Gems from Roman RAPIDly

• arxiv url: http://arxiv.org/abs/2606.05103v1
• Date: Wed, 03 Jun 2026 17:06:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.912971
• Title: Identifying Gems from Roman RAPIDly
• Title（参考訳）: ローマのRAPIDlyからジェムを識別する
• Authors: Karan Gandhi, Ashish A. Mahabal, Jacob E. Jencson, Russ R. Laher, Ben Rusholme, Lin Yan, Ryan M. Lau, Schuyler D. Van Dyk, Mansi M. Kasliwal,
• Abstract要約: ナンシー・グレイス・ロマン宇宙望遠鏡(ローマン)は、前例のない空間分解能とケイデンスで広視野赤外線イメージングを行う。 ローマの実際のデータは存在しないため、そのようなパイプラインの開発は困難である。 本稿では,機械学習モデルであるRuBR$と,真に過渡かつ可変な検出を識別するための一般的な手法を提案する。
• 参考スコア（独自算出の注目度）: 1.6658039202841401
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Nancy Grace Roman Space Telescope (Roman), set for launch as early as September 2026, will conduct wide-field infrared imaging surveys with unprecedented spatial resolution and cadence, enabling the discovery of millions of astronomical transients. Hence, it is necessary to have automated pipelines for generating alerts in place so that the telescope can begin discovering reliable transients and variable objects soon after it is launched. However, no real Roman data currently exist, making the development of such pipelines difficult. In this work, we present a machine learning model $RuBR$ and a general methodology for distinguishing genuine transient and variable detections from spurious (bogus) detections within the RAPID pipeline. In particular, we present three models using this methodology: $RuBR_{comb}$ trained and tested on combined locally injected and OpenUniverse2024 transients, $RuBR_{loc}$ trained on locally injected transients and tested on OpenUniverse2024 transients, and $RuBR_{DA}$ that combines locally injected transients with a fraction of OpenUniverse2024 transients in domain-adaptation mode for training. This paves the way for strategies to adapt the $RuBR_{comb}$ model to real observations in the absence of any ground-truth labels during the early phases of the Roman mission. While the image differencing pipeline continues to be improved, our experimental results demonstrate the effectiveness of the proposed approach and its promise for robust real-bogus classification in the Roman era.
• Abstract（参考訳）: 2026年9月に打ち上げ予定のナンシー・グレイス・ロマン宇宙望遠鏡(ローマン)は、前例のない空間分解能とケイデンスで広視野赤外線イメージングを行い、数百万もの天体のトランジェントを発見できる。 したがって、望遠鏡が打ち上げ後すぐに信頼性の高い過渡度や変動物体を発見するために、警報を発生させるための自動パイプラインが必要である。 しかし、ローマの実際のデータは存在しないため、そのようなパイプラインの開発は困難である。 本稿では,RAPIDパイプライン内のスプリアス検出と真に過渡かつ可変な検出を区別するための機械学習モデルRuBR$と一般的な手法を提案する。 特に、この手法を用いた3つのモデルを提案する: $RuBR_{comb}$ 局所注入およびOpenUniverse2024 トランジェントを併用して訓練およびテスト、$RuBR_{loc}$ 局所注入されたトランジェントを訓練し、OpenUniverse2024 トランジェントでテスト、$RuBR_{DA}$ 局所注入されたトランジェントと訓練用のOpenUniverse2024 トランジェントの一部を結合する。 このことは、ローマのミッションの初期段階において、どんな地平線ラベルも存在せず、実際の観測に$RuBR_{comb}$モデルを適用する戦略の道を開くものである。 画像差分パイプラインは改良され続けているが,提案手法の有効性と,ローマ時代の堅牢な実ボグス分類の可能性を実証した実験結果が得られた。

関連論文リスト

• Multimodal Transformer Based Generic Mixture Density Network for Scattering Timescale Estimation of Fast Radio Bursts [0.7632410926487435]
  本稿では,MT-GMDN (Multimodal Transformer Based Generic Mixture Density Network) という深層学習手法を提案する。 MT-GMDN は CHIME/FRB cattwo から$sim3500$ FRB のトレーニングを行い,トレーニング中の検証やトレーニング完了後のテストのために一部の FRB を保有した。 モデルは、測定可能な散乱を伴う事象に対する期待値の$$$$に対して94%$の判定係数(R2$)を、テストにおいて90%$の優れたリコール値で達成する。
  論文  参考訳（メタデータ） (2026-06-02T13:01:08Z)
• FRTSearch: Unified Detection and Parameter Inference of Fast Radio Transients using Instance Segmentation [23.213680376083094]
  我々はFRT(Fast Radio Transients)の検出と物理的特徴を統一するエンドツーエンドフレームワークであるFRTSearchを紹介する。 このパラダイムを Search-then-identify' から detect-and-infer' にシフトすることで、FRTSearch はリアルタイム発見のためのスケーラブルで高精度なソリューションを提供する。
  論文  参考訳（メタデータ） (2026-04-14T06:31:08Z)
• FakeRadar: Probing Forgery Outliers to Detect Unknown Deepfake Videos [56.782373316571444]
  本稿では,新しいディープフェイクビデオ検出フレームワークであるFakeRadarを提案する。 FakeRadarは、現実世界のシナリオにおけるクロスドメインの一般化の課題に対処する。
  論文  参考訳（メタデータ） (2025-12-16T17:11:45Z)
• A Classifier-Based Approach to Multi-Class Anomaly Detection Applied to Astronomical Time-Series [0.0]
  異常検出は多くの科学分野において 未解決の問題です 天文時系列のほとんどの異常検出アルゴリズムは、手作りの特徴か、教師なし表現学習によって生成された特徴に依存している。 本稿では,ニューラルネットワーク分類器の潜時空間を利用した異常検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-05T18:00:00Z)
• A Classifier-Based Approach to Multi-Class Anomaly Detection for Astronomical Transients [0.0]
  希少な過渡性の同定に必須なリアルタイム異常検出 現代のサーベイ望遠鏡は毎晩何万もの警報を発生させる。 ヴェラ・C・ルービン天文台のような将来の望遠鏡はこの数を劇的に増やすことを計画した。
  論文  参考訳（メタデータ） (2024-03-21T18:00:00Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• Implicit Event-RGBD Neural SLAM [54.74363487009845]
  神経性SLAMは近年顕著な進歩を遂げている。 既存の手法は、非理想的なシナリオにおいて重大な課題に直面します。 本稿では,最初のイベントRGBD暗黙的ニューラルSLAMフレームワークであるEN-SLAMを提案する。
  論文  参考訳（メタデータ） (2023-11-18T08:48:58Z)
• Delving into Sequential Patches for Deepfake Detection [64.19468088546743]
  近年の顔偽造技術は、ほとんど追跡不可能なディープフェイクビデオを生み出しており、悪意のある意図で活用することができる。 従来の研究では、ディープフェイク法にまたがる一般化を追求する上で、局所的な低レベルな手がかりと時間的情報の重要性が指摘されてきた。 本稿では,局所的・時間的変換をベースとしたDeepfake Detectionフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-06T16:46:30Z)
• UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional Variational Autoencoders [81.5490760424213]
  データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。 そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-13T04:12:59Z)

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。