基于预训练视觉变换器的多观测光曲线图像分类
天体物理仪器与方法
2025-07-17 v1 计算机视觉与模式识别
摘要
我们探讨了如何在多观测场景下利用赫金斯瞬态设施（ZTF）和小行星地球撞击最后警报系统（ATLAS）的光曲线数据，应用预训练的视觉变换器Swin Transformer V2进行光度分类。我们评估了集成来自不同观测站数据的数据策略，发现采用联合处理多观测数据的多观测架构能获得最佳性能。这些结果突显了建模观测特性及跨观测相互作用的重要性，为构建面向未来时域天文学的可扩展分类器提供了指导。
引用
@article{arxiv.2507.11711,
title = {Image-Based Multi-Survey Classification of Light Curves with a Pre-Trained Vision Transformer},
author = {Daniel Moreno-Cartagena and Guillermo Cabrera-Vives and Alejandra M. Muñoz Arancibia and Pavlos Protopapas and Francisco Förster and Márcio Catelan and A. Bayo and Pablo A. Estévez and P. Sánchez-Sáez and Franz E. Bauer and M. Pavez-Herrera and L. Hernández-García and Gonzalo Rojas},
journal= {arXiv preprint arXiv:2507.11711},
year = {2025}
}
备注
Accepted at the 2025 Workshop on Machine Learning for Astrophysics at the International Conference on Machine Learning (ICML)