TransientViT：一种用于千平方度自动暂现源巡天的 CNN-Vision Transformer 混合真假暂现源分类器
天体物理仪器与方法
2023-09-19 v1
摘要
暂现天文源的检测与分析对于理解其时间演化具有重要意义。传统流水线从新科学图像（N）减去先前观测的参考图像（R）所得的差值（D）图像中识别暂现源，该过程涉及大量人工检查。在本研究中，我们提出 TransientViT，一种混合卷积神经网络（CNN）-视觉Transformer（ViT）模型，用于千平方度自动暂现源巡天（KATS）中区分暂现源与图像伪影。TransientViT 利用 CNN 降低图像分辨率，并采用分层注意力机制全局建模特征。我们提出了一种新颖的 KATS-T 200K 数据集，将差值图像与长、短期图像相结合，提供了一个时间连续、多维的数据集。以该数据集作为输入，TransientViT 相较于其他基于 Transformer 和 CNN 的模型取得了更优性能，总体曲线下面积（AUC）为 0.97，准确率为 99.44%。消融实验展示了不同输入通道、多输入融合方法和交叉推理策略对模型性能的影响。作为最后一步，基于投票的集成结合三幅 NRD 图像的推理结果进一步提升了模型的预测可靠性与鲁棒性。该混合模型将作为未来真假暂现源分类研究的重要参考。
引用
@article{arxiv.2309.09937,
title = {TransientViT: A novel CNN - Vision Transformer hybrid real/bogus transient classifier for the Kilodegree Automatic Transient Survey},
author = {Zhuoyang Chen and Wenjie Zhou and Guoyou Sun and Mi Zhang and Jiangao Ruan and Jingyuan Zhao},
journal= {arXiv preprint arXiv:2309.09937},
year = {2023}
}