천문·천체물리
은하 이미지 딥러닝 복원, 비균질 잡음에선 역분산 가중 χ² 손실이 MSE·MAE보다 우수
연구진은 IllustrisTNG, SKIRT, GalaxyGenius로 잡음 없는 은하 이미지를 생성하고 점확산함수(PSF)를 적용해 기준값(ground truth)을 정의한 뒤, 잡음이 포함된 모의 관측 이미지를 만들었다. 동일한 구조의 변분 오토인코더(VAE)를 MSE, MAE, 역분산 가중 χ² 세 가지 복원 손실로 각각 학습시켜 기준값과 비교한 결과, 평가된 신호대잡음비(SNR) 구간 대부분에서 χ² 손실로 학습한 모델이 MSE·MAE 모델보다 낮은 상대 복원 오차를 보였다. 연구진은 이를 천문 관측의 공간적으로 변하는 비균질(heteroscedastic) 잡음 환경에서 역분산 가중이 은하 이미지 복원을 개선한다는 의미로 해석했다.
arXiv astro-ph.GA (은하)