RadioGAN——利用生成对抗网络在不同射电巡天数据间进行转换
星系天体物理
2019-06-11 v1 天体物理仪器与方法
摘要
射电巡天被广泛用于研究活动星系核。射电干涉观测通常在表面亮度灵敏度与角分辨率之间权衡。因此，需要利用大范围基线长度的观测来同时恢复明亮的小尺度结构和弥漫的延展辐射。我们研究生成对抗网络（GAN）能否从射电数据中提取额外信息，并最终从高角分辨率巡天中恢复延展流量，反之亦然。我们使用GAN对两个不同数据集即二十厘米波段射电天空微弱图像（FIRST）巡天与NRAO VLA天空巡天（NVSS）进行图像到图像的转换。该GAN被训练为对给定输入生成另一巡天对应的图像截片。我们使用多种度量分析结果，包括结构相似性以及所提取源的光流量和尺寸比较。RadioGAN能够在误差范围内为近一半的源恢复延展流量密度，并学习了两个巡天中源之间比简单用不同合成束卷积更为复杂的关系。RadioGAN还能够通过识别未分辨源中复杂的底层结构来实现亚束分辨率。在FIRST到NVSS的转换中，RadioGAN生成了超过三分之一的源，其原始尺寸和流量偏差均在以内；而在NVSS到FIRST的映射中，此范围内占比接近。
引用
@article{arxiv.1906.03874,
title = {RadioGAN - Translations between different radio surveys with generative adversarial networks},
author = {Nina Glaser and O Ivy Wong and Kevin Schawinski and Ce Zhang},
journal= {arXiv preprint arXiv:1906.03874},
year = {2019}
}