천문·천체물리
소규모 천문 이미지 분류기, 높은 정확도가 '형태 학습'의 증거는 아니다 — arXiv 논문
연구진은 은하·구상성단·성운·산개성단 4개 클래스 분류 과제에서 카탈로그로 확인된 물리적 천체 370개(각 천체당 디지털화 전천탐사(DSS) FITS 3개 밴드)를 구성하고, 동일 천체가 겹치지 않도록 훈련 222개·검증 75개·테스트 73개로 분할해 평가했다. 직접 학습시킨 CNN-트랜스포머 모델과 ImageNet 사전학습 ResNet-50, ViT-B/16을 비교한 결과 적응형 전체 시야 기준 평균 균형 정확도는 각각 0.773±0.014, 0.874±0.054, 0.866±0.023였고, ResNet-50과 ViT-B/16의 차이는 0.007포인트(95% 클러스터 부트스트랩 구간 [-0.048, 0.062])로 홈 보정 후 어떤 구조 간 비교도 귀무가설을 기각하지 못했다. 촬영 설정과 카탈로그 메타데이터만 활용한 대조군이 0.721~0.735, 중심 영역을 가린 적응형 시야가 0.731~0.800을 기록해, 이미지 맥락·촬영 조건·카탈로그 유래 속성이 상당한 클래스 정보를 담고 있음이 드러났다. 연구진은 이런 조건에서 높은 정확도를 분류기가 천체의 형태를 학습했다는 증거로 해석할 수 없으며, 이번 비교가 모델 구조와 사전학습의 효과를 분리하지도 못한다고 결론지었다.
arXiv astro-ph.IM (관측기기)
