PulseAugur
中
实时 11:22:26
English(EN) Learning What's Real: Disentangling Signal and Measurement Artifacts in Multi-Sensor Data, with Applications to Astrophysics

深度学习框架分离信号与传感器伪影

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个深度学习框架，旨在从多传感器数据中分离真实的信号与测量伪影。该方法采用双编码器架构和反事实生成目标，以区分内在物理特性与传感器特定的失真。该框架的有效性已在来自 DESI Legacy Imaging Survey 和 Hyper Suprime-Cam Survey 的天体物理星系图像上得到证明，为科学和多模态自监督预训练提供了一种通用方法。 AI

影响 通过分离真实的信号与测量伪影，为在科学和多模态环境中改进数据分析提供了一种可泛化的方法。

排序理由 该集群包含一篇详细介绍新型深度学习框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Pablo Mercader-Perez, Carolina Cuesta-Lazaro, Daniel Muthukrishna, Jeroen Audenaert, V. Ashley Villar, David W. Hogg, Marc Huertas-Company, William T. Freeman ·

    学习真实性：在多传感器数据中区分信号与测量伪影，并应用于天体物理学

    arXiv:2604.09787v2 Announce Type: replace-cross Abstract: Data collected from the physical world is always a combination of multiple sources: an underlying signal from the physical process of interest and a signal from measurement-dependent artifacts from the sensor or instrument…

相关话题