基于深度生成先验的 M87* 事件视界尺度成像
天体物理仪器与方法
2024-11-12 v2 机器学习
图像与视频处理
摘要
重建来自 Event Horizon Telescope (EHT) 对银河系 M87 中超大质量黑洞 M87* 的观测图像，取决于用于施加所需图像统计信息的先验。然而，鉴于直接观测黑洞的不可能性，尚无明确的先验选择。我们提出了一种灵活设计各种先验的框架，每种先验都为图像重建引入不同的偏差。这些先验可以是弱的（例如，仅施加基本的自然图像统计信息），也可以是强的（例如，施加黑洞结构的假设）。我们的框架使用带有基于得分的先验的贝叶斯推断，这些先验是从深度生成模型中产生的数据驱动型先验，能够学习复杂的图像分布。通过使用具有精细数据驱动先验的贝叶斯成像方法，我们可以评估根据先验选择，重建图像的视觉特征和不确定性如何变化。除了模拟数据外，我们对真实的 EHT M87* 数据进行成像，并讨论恢复特征如何受先验选择的影响。
引用
@article{arxiv.2406.02785,
title = {Event-horizon-scale Imaging of M87* under Different Assumptions via Deep Generative Image Priors},
author = {Berthy T. Feng and Katherine L. Bouman and William T. Freeman},
journal= {arXiv preprint arXiv:2406.02785},
year = {2024}
}