Ground-based Image Deconvolution with Swin Transformer UNet

要約

地上ベースの全天天文調査では今後数百万枚の画像が収集されるため、これらの画像の空間解像度を効率的に向上できる高速デコンボリューション アルゴリズムの開発に対する重要な要件が生じています。
これらの調査からクリーンで高解像度の画像を回収することに成功することで、私たちの目的は、正確な測光測定を通じて銀河の形成と進化についての理解を深められるようにすることです。
Swin Transformer アーキテクチャを使用した 2 段階のデコンボリューション フレームワークを導入します。
私たちの調査では、深層学習ベースのソリューションがバイアスをもたらし、科学的分析の範囲を制限していることが明らかになりました。
この制限に対処するために、スパーシティ ウェーブレット フレームワークのアクティブ係数に依存する新しい 3 番目のステップを提案します。
深層学習ベースの手法と古典的なデコンボリューション アルゴリズムである Firedec の間のパフォーマンス比較を行うことにより、EDisCS クラスター サンプルのサブセットを分析します。
解像度の回復、さまざまなノイズ特性への一般化、および計算効率の観点から、この方法の利点を実証します。
このクラスターサンプルの分析は、私たちの方法の効率を評価するだけでなく、円盤の色に関連してこれらの銀河内のクラスターの数を定量化することもできます。
この堅牢な技術は、地上の画像から遠い宇宙の構造を識別するのに有望です。

要約(オリジナル)

As ground-based all-sky astronomical surveys will gather millions of images in the coming years, a critical requirement emerges for the development of fast deconvolution algorithms capable of efficiently improving the spatial resolution of these images. By successfully recovering clean and high-resolution images from these surveys, our objective is to help deepen our understanding of galaxy formation and evolution through accurate photometric measurements. We introduce a two-step deconvolution framework using a Swin Transformer architecture. Our study reveals that the deep learning-based solution introduces a bias, constraining the scope of scientific analysis. To address this limitation, we propose a novel third step relying on the active coefficients in the sparsity wavelet framework. By conducting a performance comparison between our deep learning-based method and Firedec, a classical deconvolution algorithm, we analyze a subset of the EDisCS cluster samples. We demonstrate the advantage of our method in terms of resolution recovery, generalization to different noise properties, and computational efficiency. Not only does the analysis of this cluster sample assess the efficiency of our method, but it also enables us to quantify the number of clumps within these galaxies in relation to their disc colour. This robust technique holds promise for identifying structures in the distant universe from ground-based images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google