EXP-006 · investigación
Astro Denoise
El conocimiento de frontera se oculta tras el ruido…
astro-denoise es una propuesta de investigación para un benchmark modular y reproducible de métodos de denoising sobre imágenes simuladas del Vera Rubin Observatory (LSST DC2). La idea es directa: cualquier método — un filtro clásico, una red entrenada — se enchufa al mismo protocolo y corre sobre los mismos parches, y se evalúa no por una imagen más limpia sino por lo que le hace a la ciencia: la completitud y la pureza del catálogo de fuentes débiles, contrastadas con el truth catalog de DC2. BM3D y una U-Net son las dos primeras referencias que se están explorando — la plataforma está diseñada para crecer a medida que se añadan más métodos.
Una tesis de maestría en curso.
Esto empezó como tesis de maestría y aún está tomando forma. La primera versión funcional está en su lugar: cuatro módulos abiertos (motor de métricas, baselines BM3D y U-Net, y un orquestador con dashboard de terminal), un bloque curado multibanda de regiones de cielo preparado para distribuirse en Hugging Face, un scaffold de un comando para que cualquier investigador enchufe un método nuevo, y comparaciones iniciales BM3D vs U-Net con separación limpia de entrenamiento y evaluación. Los experimentos están corriendo — en abierto, aquí mismo — pero queda trabajo por delante antes de que esto sea un benchmark terminado.
- Q1¿Puede un denoiser subir la completitud sin dañar la pureza — o inventa fuentes que nunca estuvieron ahí?
- Q2¿Qué familia de métodos — filtros clásicos o modelos aprendidos — tiene más probabilidad de ayudar a la profundidad de LSST DC2, y cuánto?
- Q3¿Puede el benchmark completo correr reproducible de extremo a extremo — datos, métodos, métricas y bibliografía versionados?
Investigación
Artefactos de investigación que cruzan los experimentos del laboratorio — artículos, datasets, benchmarks, modelos. Las primeras entradas vienen de esta línea; la lista crece solo a medida que se publica trabajo real.
- en preparación
Artículos
Publicaciones y preprints producidos por los experimentos del laboratorio.
- en preparación
Datasets
Datasets abiertos, empezando por los datos de benchmark de astro-denoise.
- en preparación
Benchmarks
Suites de benchmark reproducibles con supuestos documentados.
- en preparación
Modelos
Modelos entrenados publicados junto a sus recetas de entrenamiento.
Preguntas frecuentes
- ¿Qué es astro-denoise?
- Un proyecto de investigación que evalúa métodos de denoising en imágenes simuladas del Observatorio Vera Rubin (LSST DC2). El objetivo es recuperar galaxias tenues sin inventar las que nunca estuvieron — evaluado por recuperación científica (completitud + pureza), no por calidad visual.
- ¿Qué es el denoising en astronomía?
- Las imágenes astronómicas tienen ruido inevitable del detector y del cielo. El denoising busca reducir ese ruido preservando las fuentes reales. El riesgo: un denoiser puede suavizar galaxias tenues reales o inventar falsas que nunca existieron.
- ¿Qué es LSST?
- El Legacy Survey of Space and Time — un relevamiento astronómico de 10 años que realizará el Observatorio Vera Rubin en Chile. Fotografiará todo el cielo visible repetidamente, produciendo el catálogo profundo de campo amplio más grande jamás hecho.
- ¿Qué es DC2?
- Data Challenge 2 — un conjunto de datos simulados que imita lo que LSST producirá, creado por la Dark Energy Science Collaboration (DESC). Incluye ruido realista, PSF y efectos atmosféricos, con un catálogo de verdad que dice exactamente qué fuentes son reales.