LenSiam：强引力透镜图像上的自监督学习
天体物理仪器与方法
2023-11-21 v1 宇宙学与河外天体物理
摘要
自监督学习因无需标注标签即可从数据中学习良好表示而为人所知。我们探索了简单孪生（SimSiam）架构用于强引力透镜图像上的表示学习。常用的图像增强往往会改变透镜属性；例如，放大（zoom-in）会影响爱因斯坦半径。为创建代表同一底层透镜模型的图像对，我们引入了一种透镜增强方法，通过固定透镜模型同时改变源星系来保持透镜属性。我们的研究表明，这种透镜增强与 SimSiam 配合可在无标签情况下学习透镜图像表示，因此我们将其命名为 LenSiam。我们还展示了预训练的 LenSiam 模型可惠及下游任务。我们在 https://github.com/kuanweih/LenSiam 开源了代码与数据集。
引用
@article{arxiv.2311.10100,
title = {LenSiam: Self-Supervised Learning on Strong Gravitational Lens Images},
author = {Po-Wen Chang and Kuan-Wei Huang and Joshua Fagin and James Hung-Hsu Chan and Joshua Yao-Yu Lin},
journal= {arXiv preprint arXiv:2311.10100},
year = {2023}
}
备注
5 pages, 2 figures. Accepted by NeurIPS 2023 AI for Science Workshop