論文の概要: ClimateGAN: Raising Climate Change Awareness by Generating Images of Floods

• arxiv url: http://arxiv.org/abs/2110.02871v1
• Date: Wed, 6 Oct 2021 15:54:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-07 19:57:32.187245
• Title: ClimateGAN: Raising Climate Change Awareness by Generating Images of Floods
• Title（参考訳）: 気候変動への意識向上、洪水のイメージを生かして-気候学者
• Authors: Victor Schmidt, Alexandra Sasha Luccioni, M\'elisande Teng, Tianyu Zhang, Alexia Reynaud, Sunand Raghupathi, Gautier Cosne, Adrien Juraver, Vahe Vardanyan, Alex Hernandez-Garcia, Yoshua Bengio
• Abstract要約: 実画像上でのリアルな洪水をシミュレートする手法を提案する。 本研究では、教師なし領域適応と条件付き画像生成のためのシミュレーションデータと実データの両方を活用するモデルであるClimateGANを提案する。
• 参考スコア（独自算出の注目度）: 89.61670857155173
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Climate change is a major threat to humanity, and the actions required to prevent its catastrophic consequences include changes in both policy-making and individual behaviour. However, taking action requires understanding the effects of climate change, even though they may seem abstract and distant. Projecting the potential consequences of extreme climate events such as flooding in familiar places can help make the abstract impacts of climate change more concrete and encourage action. As part of a larger initiative to build a website that projects extreme climate events onto user-chosen photos, we present our solution to simulate photo-realistic floods on authentic images. To address this complex task in the absence of suitable training data, we propose ClimateGAN, a model that leverages both simulated and real data for unsupervised domain adaptation and conditional image generation. In this paper, we describe the details of our framework, thoroughly evaluate components of our architecture and demonstrate that our model is capable of robustly generating photo-realistic flooding.
• Abstract（参考訳）: 気候変動は人類にとって大きな脅威であり、その壊滅的な影響を防ぐために必要な行動には、政策立案と個人の行動の両方の変化が含まれる。 しかし、行動を取るには、たとえそれが抽象的で遠いように見えるとしても、気候変動の影響を理解する必要がある。 慣れ親しんだ場所で洪水などの極端な気候現象の潜在的な影響を予測することは、気候変動の抽象的な影響をより具体化し、行動を促進するのに役立つ。 ユーザが撮影した写真に極端な気象イベントを投影するウェブサイトを構築するという、より大きな取り組みの一環として、実際の画像に写実的な洪水をシミュレートするソリューションを提案する。 この複雑な課題に適切なトレーニングデータがない状態で対処するため、教師なし領域適応と条件付き画像生成のためのシミュレーションデータと実データの両方を活用するモデルであるClimateGANを提案する。 本稿では,我々のフレームワークの詳細を述べ,アーキテクチャの構成要素を徹底的に評価し,モデルがフォトリアリスティックなフラッディングをロバストに生成できることを実証する。

関連論文リスト

• CMIP X-MOS: Improving Climate Models with Extreme Model Output Statistics [40.517778024431244]
  自然災害リスクの予測を改善するために, エクストリームモデル出力統計(X-MOS)を導入する。 この手法は, 気象観測所から得られた実測値にCMIPモデル出力を正確にマッピングするために, 深部回帰手法を用いる。 これまでの研究とは対照的に,本研究では,将来の気候パラメータ分布の尾部推定の強化に重点を置いている。
  論文  参考訳（メタデータ） (2023-10-24T13:18:53Z)
• HAiVA: Hybrid AI-assisted Visual Analysis Framework to Study the Effects of Cloud Properties on Climate Patterns [4.716196892532721]
  マリン・クラウド・ブライトニング(Marine Cloud Brightening、MCB)は、雲の反射率の修正であり、周囲の領域を冷却する。 そこで我々は,このような科学的研究を推進するために,ハイブリッドAI支援視覚分析フレームワークを提案する。 気候科学者のチームと協力して、クラウド-気候応答関数をエミュレートするハイブリッドAIモデルを開発しました。
  論文  参考訳（メタデータ） (2023-05-13T07:55:47Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Generating Physically-Consistent Satellite Imagery for Climate Visualizations [53.61991820941501]
  我々は,将来的な洪水や森林再生イベントの合成衛星画像を作成するために,生成的敵ネットワークを訓練する。 純粋なディープラーニングベースのモデルでは、洪水の可視化を生成することができるが、洪水の影響を受けない場所では幻覚的な洪水が発生する。 我々は,地球観測におけるセグメンテーションガイドによる画像と画像の変換のためのコードとデータセットを公開している。
  論文  参考訳（メタデータ） (2021-04-10T15:00:15Z)
• Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
  2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。 我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
  論文  参考訳（メタデータ） (2020-10-20T15:31:38Z)
• Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
  我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。 物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的一貫性とフォトリアリズムの両方において,ベースラインモデルよりも優れていることがわかった。 この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
  論文  参考訳（メタデータ） (2020-10-16T02:15:34Z)
• HECT: High-Dimensional Ensemble Consistency Testing for Climate Models [1.7587442088965226]
  気候モデルは、気候変動が気候変動に与える影響を理解する上で重要な役割を担い、気候変動のリスクを軽減し、決定を通知する。 コミュニティアース・システム・モデル (CESM) のような大域的な気候モデルは、大気、陸、海、氷の相互作用を記述する数百万行のコードで非常に複雑である。 私たちの研究は、木に基づくアルゴリズムやディープニューラルネットワークのような確率論的手法を使って、高次元および人為的なデータの統計的に厳密な適合性テストを行います。
  論文  参考訳（メタデータ） (2020-10-08T15:16:16Z)
• Using Simulated Data to Generate Images of Climate Change [108.43373369198765]
  シミュレーションされた3次元環境からの画像を用いて,MUNITアーキテクチャによるドメイン適応タスクを改善する可能性について検討する。 気候変動の潜在的な影響に対する認識を高めるために、得られた画像を利用することを目指しています。
  論文  参考訳（メタデータ） (2020-01-26T22:19:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。