CRISM 星际红外光谱数据的 Noise2Noise 去噪
计算机视觉与模式识别
2024-03-27 v1 机器学习
摘要
Compact Reconnaissance Imaging Spectrometer for Mars (CRISM) 获取的星际红外光谱数据已实现对火星表面矿物学的无与伦比的映射。由于传感器随时间 Degradation，近期获取的数据中相当一部分被视为不可使用。本文引入一种新型数据驱动模型架构，Noise2Noise4Mars (N2N4M)，用于去除 CRISM 图像中的噪声。我们的模型是自监督式的，不需要零噪声目标数据，这使其特别适用于天文学应用，其中稀缺的高质量标注数据。我们在合成噪声数据和 CRISM 图像上演示了其卓越性能，并对下游分类性能产生了显著影响，在大多数指标上均优于基准方法。这一成果使我们能够对火星表面关键兴趣点的进行详细分析，包括提议的着陆点。
引用
@article{arxiv.2403.17757,
title = {Noise2Noise Denoising of CRISM Hyperspectral Data},
author = {Robert Platt and Rossella Arcucci and Cédric M. John},
journal= {arXiv preprint arXiv:2403.17757},
year = {2024}
}
备注
5 pages, 3 figures. Accepted as a conference paper at the ICLR 2024 ML4RS Workshop