异方差噪声条件下星系图像重构损失函数的比较研究
《Universe》:From Observation to Ground Truth: Reconstruction Losses of Galaxy Imaging Under Heteroscedastic Noise
【字体:
大
中
小
】
时间:2026年09月20日
来源:Universe 2.5
摘要
深度学习被广泛用于分析星系图像,而重构损失决定了模型在训练过程中优先关注哪些图像特征。均方误差(MSE)和平均绝对误差(MAE)分别对应同方差高斯和拉普拉斯似然,而逆方差加权卡方损失则考虑了异方差天文噪声在空间上的变化不确定性。要比较这些目标函数在多大程度上能够恢复底层信号,需要有真值(GT)作为基准,而真实观测无法提供这样的基准。因此,我们利用IllustrisTNG、SKIRT和GalaxyGenius生成无噪声星系图像,将其与点扩散函数(PSF)卷积以定义真值,并构建含噪声的模拟观测数据。我们使用三种重构损失函数分别训练其他方面完全相同的变分自编码器(VAE),并将其输出与真值进行比较评估。在评估的绝大多数信噪比(SNR)范围内,卡方训练的模型比MSE和MAE训练的模型具有更低的相对重构误差,表明在此处考虑的异方差噪声条件下,逆方差加权能够改善星系图像的重构效果。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号