太阳磁图的的概率化超分辨率：生成多种解释并度量不确定性
机器学习
2019-11-06 v1 太阳与恒星天体物理
图像与视频处理
机器学习
摘要
机器学习技术已成功应用于自然图像的超分辨率任务，其中视觉上令人满意的结果便已足够。然而在许多科学领域中这并不充分，误差与不确定性的估计至关重要。为解决此问题，我们提出了一个贝叶斯框架，将不确定性分解为认知不确定性与偶然不确定性。我们通过超分辨率重构太阳磁场图像，并生成度量与给定低分辨率磁图相容的可能高分辨率解释之范围的地图，来检验我们方法的有效性。
引用
@article{arxiv.1911.01486,
title = {Probabilistic Super-Resolution of Solar Magnetograms: Generating Many Explanations and Measuring Uncertainties},
author = {Xavier Gitiaux and Shane A. Maloney and Anna Jungbluth and Carl Shneider and Paul J. Wright and Atılım Güneş Baydin and Michel Deudon and Yarin Gal and Alfredo Kalaitzis and Andrés Muñoz-Jaramillo},
journal= {arXiv preprint arXiv:1911.01486},
year = {2019}
}