論文の概要: Amplifying the imaging power of digital sky surveys with space telescopes data and generative AI

• arxiv url: http://arxiv.org/abs/2608.20666v1
• Date: Fri, 21 Aug 2026 01:58:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.338905
• Title: Amplifying the imaging power of digital sky surveys with space telescopes data and generative AI
• Title（参考訳）: 宇宙望遠鏡データと生成AIを用いたデジタルスカイサーベイのイメージングパワーの増幅
• Abstract要約: 生成AIを用いて、地上望遠鏡で撮影した銀河画像の画質を宇宙望遠鏡で可能な詳細レベルまで高める。 この解は銀河の形状の性質に基づいており、宇宙画像に基づいて訓練された生成AIが弱い信号を詳細で明確な銀河画像に変換することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While Digital sky surveys provide excellent throughput of image data and can cover a large footprint, their imaging power is normally inferior to that of space-based telescopes. Space-based telescopes, on the other hand, provide excellent imaging power and can image the deep Universe, but cannot provide the same throughput as advanced ground-based sky surveys. Here, we utilize generative AI to elevate the quality of galaxy images taken by ground-based telescopes to the level of details enabled by space telescopes. The solution is based on the nature of galaxy shapes, allowing generative AI trained on space-based images to convert weak signal into detailed and clear galaxy images. The method allows for combining the high throughput of ground-based sky surveys with the image quality of space-based telescopes. The source code for the method is available, as well as paired training data and a catalog of 63,202 galaxy images enhanced by the proposed method. We also provide a software tool that encapsulates the entire pipeline and the custom generative AI model to generate galaxy images with enhanced quality.
• Abstract（参考訳）: デジタルスカイサーベイは、画像データの優れたスループットを提供し、大きなフットプリントをカバーすることができるが、その画像のパワーは通常、宇宙ベースの望遠鏡よりも劣っている。 一方、宇宙望遠鏡は優れた撮像能力を提供し、深宇宙を撮影できるが、先進的な地上スカイサーベイと同等のスループットを提供することはできない。 ここでは、生成AIを用いて、地上望遠鏡が撮影した銀河画像の質を宇宙望遠鏡で可能な詳細レベルまで高める。 この解は銀河の形状の性質に基づいており、宇宙画像に基づいて訓練された生成AIが弱い信号を詳細で明確な銀河画像に変換することができる。 この方法では、地上のスカイサーベイの高スループットと宇宙の望遠鏡の画質を組み合わせることができる。 本手法のソースコードとペアトレーニングデータと,提案手法により拡張された63,202個の銀河画像のカタログが利用可能である。 また、パイプライン全体とカスタム生成AIモデルをカプセル化して、高品質な銀河画像を生成するソフトウェアツールも提供しています。

関連論文リスト

• Robustness analysis of Deep Sky Objects detection models on HPC [0.0]
  天文学的な調査やアマチュア天文学者の関与の増加は、これまで以上に多くの空画像を生み出している。 Deep Sky Objectsの検出は、その暗い信号と複雑な背景のため、依然として困難である。 コンピュータビジョンとディープラーニングは、このプロセスの改善と自動化を可能にします。
  論文  参考訳（メタデータ） (2025-08-13T14:05:48Z)
• STAR: A Benchmark for Astronomical Star Fields Super-Resolution [52.895107920663236]
  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)
• Galaxy image simplification using Generative AI [0.0]
  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。
  論文  参考訳（メタデータ） (2025-07-15T19:48:09Z)
• AstroLLaVA: towards the unification of astronomical data and natural language [0.0]
  本稿では,天文学の視覚言語モデルであるAstroLLaVAについて紹介する。 我々の2段階の微調整プロセスは、天文学領域における画像キャプションと視覚的質問応答の両方にモデルを適応させる。 AstroLLaVAのパフォーマンスを、天文学的な視覚的質問応答ベンチマークで実証し、モデルの重み付け、コード、トレーニングセットをリリースして、さらなるオープンソース作業を促進します。
  論文  参考訳（メタデータ） (2025-04-11T14:36:31Z)
• Horizon-GS: Unified 3D Gaussian Splatting for Large-Scale Aerial-to-Ground Scenes [55.15494682493422]
  本稿では,ガウシアン・スプレイティング技術に基づく新しい手法であるHorizon-GSを導入し,航空やストリートビューの統一的な再構築とレンダリングに挑戦する。 提案手法は,これらの視点と新たなトレーニング戦略を組み合わせることによる重要な課題に対処し,視点の相違を克服し,高忠実度シーンを生成する。
  論文  参考訳（メタデータ） (2024-12-02T17:42:00Z)
• AerialGo: Walking-through City View Generation from Aerial Perspectives [48.53976414257845]
  AerialGoは、空中画像からリアルな街並みを生成するフレームワークである。 AerialGoは、アクセス可能な航空データに地上視合成を条件付けすることで、地上レベルの画像に固有のプライバシーリスクを回避できる。 実験により、AerialGoは地上レベルのリアリズムと構造的コヒーレンスを著しく向上させることが示された。
  論文  参考訳（メタデータ） (2024-11-29T08:14:07Z)
• 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)
• Neural Network Based Approach to Recognition of Meteor Tracks in the Mini-EUSO Telescope Data [44.35048360978502]
  ミニEUSO(Mini-EUSO)は、国際宇宙ステーションから地球の夜間大気に紫外線(UV)を登録する広角蛍光望遠鏡である。 2値分類問題の観点から,Mini-EUSOデータにおける流星信号の認識を高精度に行うための2つの単純な人工ニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2023-11-25T10:00:49Z)
• 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)
• Detection of asteroid trails in Hubble Space Telescope images using Deep Learning [0.0]
  本稿では,ハッブル宇宙望遠鏡で撮影した単一露光写真における小惑星軌道の画像認識へのDeep Learningの適用について述べる。 多層深層畳み込みニューラルネットワークに基づくアルゴリズムを用いて、検証セット上で80%以上の精度を報告する。
  論文  参考訳（メタデータ） (2020-10-29T09:03:18Z)
• Self-supervised Learning for Astronomical Image Classification [1.2891210250935146]
  天文学では、毎日大量の画像データが測光サーベイによって生成される。 本稿では,未ラベルの天体画像から深部畳み込みニューラルネットワークを学習する手法を提案する。
  論文  参考訳（メタデータ） (2020-04-23T17:32:19Z)

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。