利用卷积神经网络修复银河系前景强度与偏振图
宇宙学与河外天体物理
2021-01-01 v2
摘要
深度卷积神经网络已成为图像生成与修复的常用工具。这些网络的性能与从大型数据集中学习真实特征的能力相关。本工作中，我们应用了在非高斯信号修复方面的问题，背景为银河系在毫米与亚毫米波段的弥漫发射，具体为同步辐射与热尘埃发射。二者均在小的角尺度上受河外射电源（前者）与尘埃恒星形成星系（后者）污染。我们考虑了一种最近邻修复技术的性能，并将其依赖于生成式神经网络的两种新方法进行比较。我们表明，生成式网络能够以更高置信水平更一致地复现真实信号的统计性质。宇宙学与天体物理源Python修复器（PICASSO）是编码本工作中所述一套修复方法的软件包，已公开可用。
引用
@article{arxiv.2003.13691,
title = {Inpainting Galactic Foreground Intensity and Polarization maps using Convolutional Neural Network},
author = {Giuseppe Puglisi and Xiran Bai},
journal= {arXiv preprint arXiv:2003.13691},
year = {2021}
}