更深、更锐、更快：高效Transformer在星系图像恢复中的应用

Transformer架构在过去几年中彻底改变了深度学习领域，涵盖自然语言处理、代码生成、图像识别、时间序列预测等多个领域。我们提出应用Zamir等人的高效Transformer进行去卷积和去噪，以增强天文图像。我们使用高质量图像及其退化版本对进行实验，我们的深度学习模型在恢复光度、结构和形态信息方面表现出色。与真实JWST图像相比，我们HST质量图像的增强版本将等光度测光、Sérsic指数和半光半径的离散度分别降低了4.4倍、3.6倍和4.7倍，Pearson相关系数接近1。当输入图像存在相关噪声、点状源和伪影时，性能会下降。我们预计该深度学习模型将在精密测光、形态分析和剪切校准等多项科学应用中发挥重要作用。