AstroVLM: 天体画像品質診断のための専門家マルチエージェント協調推理

arXiv:2604.16024v1 発表タイプ: cross 摘要：視言語モデル（VLM）は複数の特定ドメインに応用され、強力な問題解決能力を証明してきた。しかし、学際的な知識と複数のサブタスクを要する非常に複雑な問題である天体画像処理については、十分研究がなされていない。天体画像処理プロセスの複雑さのため、NASA を始めとした世界有数の天体観測機関やExpert Entusiasts は、多くの時間と努力を注ぎ込んでいる。これは、天体画像処理プロセスに複雑な相互関連性があり、互いに大きな影響を与えるため、天体画像の品質診断や誤り局所化が困難だからである。この問題を解決するために、私たちは天体画像品質診断のための協調マルチエージェントシステム「AstroVLM」を提案する。実験結果は、AstroVLM が実際の天体画像品質診断タスクにおいてすべての基線モデルを凌駕することを示しており、複雑なマルチプロセスタスクを言語モデルが処理する参考となる。

arXiv:2604.16024v1 Announce Type: cross Abstract: Vision Language Models (VLMs) have been applied to several specific domains and have shown strong problem-solving capabilities. However, astronomical imaging, a quite complex problem involving multidisciplinary knowledge and several subtasks, has not been adequately studied. Due to the complexity of the astronomical imaging process, both world-class astronomical organizations, such as NASA, and expert enthusiasts devote a great deal of time and effort. This is because the processes in astronomical imaging have complex underlying correlations that significantly influence one another, making the quality diagnosis and error localization of astronomical images challenging. To address this problem, we propose AstroVLM, a collaborative multi-agent system for diagnosing the quality of astronomical images. Experiment results show that AstroVLM outperforms all baselines on real-world astronomical imaging quality diagnosis tasks, providing a reference for language models to handle complicated multi-process tasks.