基于视觉转换器的瞬态噪声分类
计算机视觉与模式识别
2025-10-09 v1 天体物理仪器与方法
机器学习
广义相对论与量子宇宙学
摘要
LIGO 数据中的瞬态噪声（故障）阻碍了引力波的探测。Gravity Spy 项目将这些噪声事件分类为 various 类。随着 O3 运行期的加入，新增两种噪声类，亟需训练新模型以实现有效分类。我们旨在使用视觉转换器 (ViT) 模型将 LIGO 数据中的故障分为第一次运行的 22 个已有类，以及 O3a 运行期新增的 2 个噪声类。我们在包含 Gravity Spy 数据集以及来自 LIGO O3a 运行期新增两个类的组合数据集上训练预训练的视觉转换器 (ViT-B/32) 模型。我们实现了 92.26% 的分类效率，展示了视觉转换器在通过有效区分瞬态噪声来提高引力波探测准确性方面的潜力。关键词：引力波 --视觉转换器 --机器学习
引用
@article{arxiv.2510.06273,
title = {Vision Transformer for Transient Noise Classification},
author = {Divyansh Srivastava and Andrzej Niedzielski},
journal= {arXiv preprint arXiv:2510.06273},
year = {2025}
}
备注
9 pages, 4 figures