用于天文图像生成的生成对抗网络
计算机视觉与模式识别
2021-11-24 v1 图像与视频处理
摘要
太空探索一直是人类灵感的源泉，借助现代望远镜，如今已可以观测遥远的天体。随着网络上可用的真实与虚构太空图像数量不断增长，并利用 Generative Adversarial Networks（GAN）等现代深度学习架构，现在已可以生成太空的新表征。在本研究中，我们使用 Lightweight GAN、从网络获取的图像数据集以及 Galaxy Zoo Dataset，生成了数千张新的天体、星系图像，并最终通过将它们组合生成了广阔的宇宙视图。用于复现我们结果的代码公开于 https://github.com/davide-coccomini/GAN-Universe，生成的图像可在 https://davide-coccomini.github.io/GAN-Universe/ 浏览。
引用
@article{arxiv.2111.11578,
title = {Generative Adversarial Networks for Astronomical Images Generation},
author = {Davide Coccomini and Nicola Messina and Claudio Gennaro and Fabrizio Falchi},
journal= {arXiv preprint arXiv:2111.11578},
year = {2021}
}