太阳合成成像：在 SDO/AIA 数据上引入去噪扩散概率模型

Apr, 2024

太阳合成成像：在 SDO/AIA 数据上引入去噪扩散概率模型

Solar synthetic imaging: Introducing denoising diffusion probabilistic models on SDO/AIA data

Francesco P. Ramunno, S. Hackstein, V. Kinakh, M. Drozdova, G. Quetant...

TL;DR利用生成深度学习模型 DDPM 合成太阳现象的图像，以解决太阳活动预测的数据稀缺问题，并展示了在生成逼真太阳图像方面的有希望的结果，强调 DDPM 在太阳数据分析和预测方面的潜力，以及在其他深度学习和物理任务中的应用探索。

Abstract

Given the rarity of significant solar flares compared to smaller ones, training effective machine learning models for solar activity forecasting is challenging due to insufficient data. This study proposes using

solar flares machine learning models generative deep learning models ddpm solar data analysis

发现论文，激发创造

磁图到磁图：太阳演化的生成预测

通过图像到图像的转换和去噪扩散概率模型，我们引入了一种新的方法来预测太阳光学磁图的演变，该方法综合了图像质量的计算机科学指标和物理准确度的物理指标来评估模型性能，结果显示，扩散概率模型不仅在维持太阳磁场的结构完整性、动态范围、磁通量等物理特征方面表现出色，而且在活动区的大小等其他物理特征以及耐火情况下的传统持久性模型中超越传统持久性模型，我们的目标是使用深度学习作为观测望远镜的集成和交互工具，提高我们对太阳耀斑等意外物理事件的理解，未来的研究将致力于整合更多多样化的太阳数据，以提高我们的生成模型的准确性和适用性。

Jul, 2024

SatDM：使用扩散模型进行语义布局调节的合成逼真卫星图像

利用条件 DDPM 模型生成高质量、多样化和准确的卫星图像，以及改进噪声调度、自适应归一化和自注意机制，通过算法和人类意见研究验证其在数据增强等实际应用中的有效性。

Sep, 2023

基于评分的生成模型实现逼真星系图像模拟

利用去噪扩散概率模型（DDPM）生成逼真的模拟星系图像，并借鉴深度生成学习文献中的 Frechet Inception 距离和新引入的合成星系距离指标进行相似度比较和 Emergent 物理特性比较，其效果比其他生成方法（如对手网络）更为真实，可用于量身定制特定成像调查的大量合成观测数据，证实其精确插值和域转换方法的潜在用途，并在星际物理学领域推动了该主题的进一步研究。

Nov, 2021

干涉式卫星孔径雷达的扩散模型

利用概率扩散模型生成复杂且真实结构的雷达卫星图像数据集，但采样时间仍然是一个问题。

Aug, 2023

扩散模型中的 SAR 图像合成

通过使用特定类型的扩散模型（DDPM）在合成孔径雷达（SAR）领域实现有条件和无条件图像生成，本研究表明 DDPM 在质量上以及定性和定量效果上都优于现有的基于 GAN 的方法，并展示了预训练对于提高 SAR 图像生成质量的益处。

May, 2024

概率能源预测的去噪扩散概率模型

本文提出了基于去噪扩散概率模型的深度学习生成方法，首次应用于利用全球能源预测竞赛 2014 的开放数据进行能源预测。结果表明，这种方法与其他最先进的深度学习生成模型竞争力相当。

Dec, 2022

基于条件去噪扩散模型的射电天文图像重构

使用随机神经网络从粗糙的无线电图像中重建天空模型，实现准确的源定位和通量估计，为高红移下研究星系演化提供关键支持。

Feb, 2024

基于 DDPM 的 X-ray 图像合成器

提出了一种结合 Denoising Diffusion Probabilistic Model (DDPM) 和 UNet 架构的 X-ray 图像合成方法，通过使用 3000 多张从 Kaggle 获取的肺炎 X-ray 图像进行训练，成功地生成了与非肺炎图像有明显差异的逼真图像，突出了模型捕捉正样本的关键特征的能力，该合成器能够生成高质量图像，有助于提高机器学习模型的性能，为医疗行业中的更准确、高效的医学诊断铺平道路。

Jan, 2024

基于注意力机制的深度神经网络用于可解释的太阳耀斑预测

使用基于注意力机制的深度学习模型，通过分析全盘磁图像来预测太阳耀斑的发生，实验结果表明该模型能够成功预测接近边缘的太阳耀斑，并且基于相关活跃区的特征。

Sep, 2023

评估去噪扩散概率模型在重现空间上下文方面的能力

通过使用随机上下文模型（SCMs）产生训练数据，首次对 Denoising Diffusion Probabilistic Models（DDPMs）在医学成像领域相关信息学习能力进行了系统评估，结果表明 DDPMs 在生成具有空间上下文的图像方面具有显著的能力，可能在数据增强任务中具有 GANs 所不能达到的优势。

Sep, 2023