相关实验视频
Updated: Jul 2, 2025

10:35
Bringing the Visible Universe into Focus with Robo-AO
Published on: February 12, 2013
19.5K
哈勃与韦伯相遇:天文学中的图像对图像翻译
Vitaliy Kinakh1, Yury Belousov1, Guillaume Quétant1
1Department of Computer Science, University of Geneva, 1227 Carouge, Switzerland.
Sensors (Basel, Switzerland)
|February 24, 2024
概括
这项研究使用图像对图像的翻译来生成来自哈勃太空望远镜 (HST) 数据的詹姆斯·韦伯太空望远镜 (JWST) 图像. 不确定性估计提高了天文规划的翻译可靠性.
科学领域:
- 天文学 天文学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 哈勃太空望远镜 (HST) 和詹姆斯·韦伯太空望远镜 (JWST) 提供了重要的天文数据.
- 图像对图像翻译技术提供了从HST数据生成合成JWST图像的潜力.
- 评估图像注册对于准确的天文数据处理至关重要.
研究的目的:
- 探索图像对图像的翻译,以从HST数据生成JWST图像.
- 为了比较不同的翻译方法,包括Pix2Pix,CycleGAN,TURBO和基于DDPM的Palette.
- 引入和评估一种用于天文图像翻译的新型不确定性量化方法.
主要方法:
- 对基于DDPM的Pix2Pix,CycleGAN,TURBO和Palette进行传感器对传感器翻译的比较分析.
- 整合不确定性估计利用Denoising扩散概率模型 (DDPMs) 的随机性质.
- 使用诸如平均平方误差 (MSE),结构相似度指数 (SSIM),峰值信号对噪声比 (PSNR),学习感知图像补丁相似度 (LPIPS) 和弗雷切开始距离 (FID) 等指标进行评估.
主要成果:
- 通过使用各种图像到图像翻译模型,证明了从HST数据中生成JWST类图像的可行性.
- 介绍了一种用于量化翻译天文图像不确定性的新方法.
- 开发的不确定性估计提高了翻译图像的完整性,帮助天文学家区分可靠的预测.
结论:
- 图像对图像翻译是天文传感器对传感器翻译的一个可行的方法.
- 不确定性量化对于这些技术在天文学中的可靠应用至关重要.
- 该方法为规划JWST观测提供预测见解,优化资源配置.

