Login
- Dokumenttyp:
- Forschungsdaten
- Veröffentlichungsdatum:
- 12.07.2022
- Verantwortlich:
- Benjamin J. Holzschuh
- Autorinnen / Autoren:
- Benjamin J. Holzschuh; Conor M. O’Riordan; Simona Vegetti; Vicente Rodriguez-Gomez; Nils Thuerey
- Institutionszugehörigkeit:
- TUM
- Herausgeber:
- TUM
- Titel:
- AI Generated Galaxy Images
- Identifikator:
- doi:10.14459/2022mp1661654
- Enddatum der Datenerzeugung:
- 24.03.2022
- Fachgebiet:
- DAT Datenverarbeitung, Informatik; PHY Physik
- zusätzliche Fachgebiete:
- Astronomy, Astrophysics, Artificial Intelligence, Image processing, Computer Vision
- Quellen der Daten:
- Simulationen / simulations; Abbildungen von Objekten / image of objects
- Datentyp:
- Bilder / images; Datenbanken / data bases
- Methode der Datenerhebung:
- Recent generative models were trained on datasets of galaxy images. The available datasets consist of galaxy images sampled from a StyleGAN-like model.
- Beschreibung:
- Datasets of AI generated galaxy images based on simulations (TNG-Illustris), observations (COSMOS) and analytic expressions (Sérsic profiles)
- Links:
- Schlagworte:
- Machine Learning, Astrophysics, Cosmology
- Technische Hinweise:
- View and download (51 GB total, 4 Files)
The data server also offers downloads with FTP
The data server also offers downloads with rsync (password m1661654):
rsync rsync://m1661654@dataserv.ub.tum.de/m1661654/ - Sprache:
- en
- Rechte:
- by, http://creativecommons.org/licenses/by/4.0
- Horizon 2020:
- ERC Consolidator Grant SpaTe (CoG-2019-863850), European Union’s Horizon 2020 research and innovation pro-gramme (LEDA: grant agree-ment no. 758853)
BibTeX