論文の概要: NEO-BENCH: A New Multi-Source Benchmark for Generalizable Astronomical Streak Detection

• arxiv url: http://arxiv.org/abs/2609.06774v1
• Date: Sun, 06 Sep 2026 18:35:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 04:40:38.839894
• Title: NEO-BENCH: A New Multi-Source Benchmark for Generalizable Astronomical Streak Detection
• Title（参考訳）: NEO-BENCH: 一般化可能な天体ストリーク検出のための新しいマルチソースベンチマーク
• Abstract要約: 地球近傍の天体は、長期露光の天体画像においてかすかなストリークとして現れる。 NEO-Benchは、5つの天体画像データセットから8,376の画像を含むベンチマークである。 左ワンソースアウトF1は画像レベル20のメソッドソースペア中14、IoU@0.50のローカライゼーションペア中13で減少した。
• 参考スコア（独自算出の注目度）: 0.17188280334580197
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Near-Earth Objects (NEOs) can appear as faint streaks in long-exposure astronomical images. Detecting these streaks across diverse observatories requires methods that remain reliable despite differences in image quality, orientation, sky background, and noise. However, existing detectors are commonly evaluated using data from only one source, providing limited evidence of cross-source generalization. We introduce NEO-Bench, a multi-source benchmark containing 8,376 images from five astronomical-image datasets. The sources include the Hubble Space Telescope, a Stellina smart telescope, the United Arab Emirates Meteor Monitoring Network, a TETRA1 telescope using a Celestron C14 with Fastar, and the Roboflow Asteroid dataset. We converted the data to a common YOLO format, audited a sample of labels, and defined within-source and leave-one-source-out evaluation protocols. We evaluated four approaches: Hough, Radon, Gaussian PSF, and YOLO26L. Leave-one-source-out F1 decreased in 14 of 20 image-level method-source pairs and 13 of 20 IoU@0.50 localization pairs. Across the datasets categorized as medium or hard, F1 decreased in 11 of 12 image-level pairs and 9 of 12 localization pairs. These results show that cross-source performance remains inconsistent and that reliable generalization across astronomical imaging sources remains an open challenge. The benchmark, code, and data are publicly available.
• Abstract（参考訳）: 近地球天体(NEOs)は、長期露光の天体画像においてかすかなストリークとして現れる。 これらのストリークを様々な観測所で検出するには、画質、方位、空の背景、ノイズに違いがあるにもかかわらず、信頼性を保つ方法が必要である。 しかし、既存の検出器は1つのソースのみのデータを用いて一般的に評価され、クロスソースの一般化の証拠は限られている。 NEO-Benchは5つの天体画像データセットから8,376個の画像を含むマルチソースベンチマークである。 資料にはハッブル宇宙望遠鏡、ステリーナのスマート望遠鏡、アラブ首長国連邦気象観測ネットワーク、Celestron C14とFastarを使用したTETRA1望遠鏡、Roboflow Asteroid datasetが含まれる。 我々は、データを共通のYOLOフォーマットに変換し、ラベルのサンプルを監査し、ソース内およびソースアウトの評価プロトコルを定義した。 Hough, Radon, Gaussian PSF, YOLO26Lの4つのアプローチを評価した。 左ワンソースアウトF1は画像レベル20のメソッドソースペア中14、IoU@0.50のローカライゼーションペア中13で減少した。 F1は画像レベル12ペア中11ペア,ローカライゼーション12ペア中9ペアで低下した。 これらの結果は、クロスソース性能は相容れないままであり、天文学的な画像ソース間の信頼性の高い一般化は、依然としてオープンな課題であることを示している。 ベンチマーク、コード、データは公開されている。

関連論文リスト

• Semi-supervised Source Detection in Astronomical Images: New Benchmark and Strong Baseline [8.046432712887123]
  我々は18,400の天体画像と728,898のソースインスタンスからなる新しい総合ベンチマーク(LAMOST-DET)を導入する。 そこで我々は,Sparse アノテーションを付与した高密度ソースを効果的に検出できる,Nova Teacher という新しい半教師付き学習フレームワークを考案した。 LAMOST-DETの実験では、Nova Teacherは従来より4.04%、mAPは5.22%改善している。
  論文  参考訳（メタデータ） (2026-06-08T08:52:17Z)
• Towards UAV Detection in the Real World: A New Multispectral Dataset UAVNet-MS and a New Method [80.50361258830928]
  UAVNet-MSは、微小UAV検出のための最初のマルチスペクトルデータセットである。 本稿では、アレイ誘起パララックスと空間-スペクトル融合に対処するデュアルストリームベースラインであるMFDNetを提案する。 この研究は、基礎的なデータセット、強力なベースライン、マルチスペクトルUAV監視研究のためのベンチマークを提供する。
  論文  参考訳（メタデータ） (2026-05-20T09:49:04Z)
• Hyrax: An Extensible Framework for Rapid ML Experimentation and Unsupervised Discovery in the Era of Rubin, Roman, and Euclid [26.715408970731332]
  Hyraxはオープンソースのモジュール型でGPU対応のPythonフレームワークで、天文学における機械学習のライフサイクルを完全にサポートする。 実測データに対する5つの代表的な応用を通して,Hiraxの汎用性を実証する。
  論文  参考訳（メタデータ） (2026-05-18T18:00:06Z)
• You Only Stack Once (YOSO): A Motion-Filtered, Deep-Learning Framework for Detecting Faint Moving Sources [0.04269166735453375]
  You Only Stack Once (YOSO)は、ゆっくりと動く太陽系の物体を検知する自動パイプラインである。 このパイプラインはガウス運動フィルタ (GMoF) を統合しており、ピクセルレベルで動作し、さまざまな動きの速度を示す物体の信号と雑音を増強する。 YOSOはこれまでに検出された73件のうち45件を回収し、新たに11件のTNOを回収した。
  論文  参考訳（メタデータ） (2026-05-07T20:23:26Z)
• 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)
• M4-SAR: A Multi-Resolution, Multi-Polarization, Multi-Scene, Multi-Source Dataset and Benchmark for Optical-SAR Fusion Object Detection [28.405249208866067]
  光またはSAR画像を用いた単一ソースリモートセンシングオブジェクト検出は複雑な環境では困難である。 マルチレゾリューション,マルチポーラライゼーション,マルチシーン,マルチソースSARデータセット(M4-SAR)という,光SAR融合オブジェクト検出のための最初の包括的データセットを提案する。 標準化された評価を実現するため、6つの最先端マルチソース融合手法を統合する統一ベンチマークツールキットを開発した。
  論文  参考訳（メタデータ） (2025-05-16T07:10:07Z)
• ATRNet-STAR: A Large Dataset and Benchmark Towards Remote Sensing Object Recognition in the Wild [32.95927545676425]
  本稿では,ATRNet-STARと呼ばれる大規模で新しいデータセットについて紹介する。 データセットのスケールと多様性が大幅に向上し、190,000以上の注釈付きサンプルが含まれており、これは前身の有名なMSTARの10倍である。
  論文  参考訳（メタデータ） (2025-01-23T03:42:22Z)
• Contrasting Deepfakes Diffusion via Contrastive Learning and Global-Local Similarities [88.398085358514]
  Contrastive Deepfake Embeddings (CoDE)は、ディープフェイク検出に特化した新しい埋め込み空間である。 CoDEは、グローバルローカルな類似性をさらに強化することで、対照的な学習を通じて訓練される。
  論文  参考訳（メタデータ） (2024-07-29T18:00:10Z)
• DiffusionSat: A Generative Foundation Model for Satellite Imagery [63.2807119794691]
  現在、DiffusionSatは、現在利用可能な大規模な高解像度リモートセンシングデータセットのコレクションに基づいてトレーニングされている、最大の生成基盤モデルである。 提案手法は, リアルタイムなサンプルを作成し, 時間生成, マルチスペクトル入力の超解像, インペイントなどの複数の生成課題を解くのに利用できる。
  論文  参考訳（メタデータ） (2023-12-06T16:53:17Z)
• MEFLUT: Unsupervised 1D Lookup Tables for Multi-exposure Image Fusion [55.0571315141482]
  高品質マルチ露光画像融合(MEF)のための新しいアプローチを提案する。 露光の融合重量を1次元ルックアップテーブル(LUT)に符号化できることを示す。 露光ごとに1D LUTを学習し、異なる露光から得られるすべてのピクセルが、高品質で効率的な融合のために独立してその露光の1D LUTをクエリできる。
  論文  参考訳（メタデータ） (2023-09-21T07:43:03Z)
• Streamlined Lensed Quasar Identification in Multiband Images via Ensemble Networks [34.82692226532414]
  強いレンズを経験するクエーサーは、宇宙膨張速度、暗黒物質、およびクエーサーホスト銀河に関連する主題に独自の視点を与える。 我々は,現実的な銀河・クエーサーレンズシミュレーションに基づいて訓練された最先端畳み込みネットワーク(CNN)を組み込むことにより,新しいアプローチを開発した。 我々は親標本として約6000万個の情報源を検索し、光度測定によるクエーサーを$theta_mathrmE5$arcsecのEinstein radiiで発見した後、これを892,609個に減らした。
  論文  参考訳（メタデータ） (2023-07-03T15:09:10Z)
• ULISSE: A Tool for One-shot Sky Exploration and its Application to Active Galactic Nuclei Detection [1.3681174239726606]
  ULISSEは、同じ形態的および光度特性を共有する物体を識別する新しいディープラーニングツールである。 実験により、ULISSEは、ホスト銀河の形態、色、および中心核源の存在から、AGN候補を特定できることが示された。
  論文  参考訳（メタデータ） (2022-08-23T14:05:30Z)
• Large-Scale Unsupervised Object Discovery [80.60458324771571]
  教師なしオブジェクトディスカバリ(UOD)は、パフォーマンスを損なう近似なしでは、大規模なデータセットにスケールアップしない。 本稿では,固有値問題やリンク解析に利用できる分散手法の武器として,ランク付け問題としてのUODの新たな定式化を提案する。
  論文  参考訳（メタデータ） (2021-06-12T00:29:49Z)

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。