使用渐进式 GAN 的星系图像模拟
机器学习
2019-09-27 v1 星系天体物理
图像与视频处理
机器学习
摘要
在这项工作中，我们提供了一种高效且真实的数据驱动方法，利用机器学习中的深度生成模型来模拟天文图像。我们的方案基于生成对抗网络（GAN）的一种变体，采用渐进式训练方法和 Wasserstein 代价函数。所提出的方案生成具有复杂结构和高度多样性的自然主义星系图像，这表明使用机器学习的数据驱动模拟可以替代天文数据处理中许多昂贵的模型驱动方法。
引用
@article{arxiv.1909.12160,
title = {Galaxy Image Simulation Using Progressive GANs},
author = {Mohamad Dia and Elodie Savary and Martin Melchior and Frederic Courbin},
journal= {arXiv preprint arXiv:1909.12160},
year = {2019}
}
备注
Submitted to the Astronomical Data Analysis Software & Systems Conference (ADASS), 2019