利用条件生成对抗网络控制生成图像的统计特性以用于 IACT 数据分析
天体物理仪器与方法
2022-11-30 v1 高能天体物理现象
机器学习
图像与视频处理
摘要
生成对抗网络是天文学领域图像生成的一种有前景的工具。特别值得关注的是条件生成对抗网络（cGANs），它允许根据图像的某些属性值将图像划分为若干类别，然后在生成新图像时指定所需的类别。对于来自成像大气切伦科夫望远镜（IACTs）的图像，一个重要属性是所有图像像素的总亮度（图像大小），这与初级粒子的能量直接相关。我们使用 cGAN 技术生成类似于 TAIGA-IACT 实验中所获得的图像。作为训练集，我们使用了通过 TAIGA 蒙特卡洛模拟软件生成的一组二维图像。我们人为地将训练集划分为 10 个类别，按图像大小排序并定义类别边界，使得每个类别包含相同数量的图像。这些类别在训练网络时被使用。本文表明，对于每个类别，生成图像的大小分布接近正态分布，其均值大致位于相应类别的中间。我们还表明，对于生成的图像，将所有类别的分布相加得到的总图像大小分布接近训练集的原始分布。所获得的结果将有助于更准确地生成类似于 IACT 所拍摄图像的逼真合成图像。
引用
@article{arxiv.2211.15807,
title = {Using a Conditional Generative Adversarial Network to Control the Statistical Characteristics of Generated Images for IACT Data Analysis},
author = {Julia Dubenskaya and Alexander Kryukov and Andrey Demichev and Stanislav Polyakov and Elizaveta Gres and Anna Vlaskina},
journal= {arXiv preprint arXiv:2211.15807},
year = {2022}
}