論文の概要: Solving the Weather4cast Challenge via Visual Transformers for 3D Images

• arxiv url: http://arxiv.org/abs/2212.02456v1
• Date: Mon, 5 Dec 2022 17:58:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-06 15:21:02.047775
• Title: Solving the Weather4cast Challenge via Visual Transformers for 3D Images
• Title（参考訳）: 3d画像のためのビジュアルトランスフォーマーによるweather4castチャレンジの解決
• Authors: Yury Belousov and Sergey Polezhaev and Brian Pulfer
• Abstract要約: 衛星観測の前の時刻を文脈として,今後8時間にわたって降雨イベントを予測する問題に対処する。 近年,コンピュータビジョンにおけるトランスフォーマーアーキテクチャの成功に触発されて,この問題に対処するために,このアーキテクチャに基づく2つの方法論を実装した。 いくつかのベースラインモデルで異なるトランスフォーマーをアンサンブルすることで、目に見えないテストデータで測定できる最高のパフォーマンスが得られることが分かりました。
• 参考スコア（独自算出の注目度）: 1.2891210250935146
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurately forecasting the weather is an important task, as many real-world processes and decisions depend on future meteorological conditions. The NeurIPS 2022 challenge entitled Weather4cast poses the problem of predicting rainfall events for the next eight hours given the preceding hour of satellite observations as a context. Motivated by the recent success of transformer-based architectures in computer vision, we implement and propose two methodologies based on this architecture to tackle this challenge. We find that ensembling different transformers with some baseline models achieves the best performance we could measure on the unseen test data. Our approach has been ranked 3rd in the competition.
• Abstract（参考訳）: 多くの現実世界のプロセスや決定が将来の気象条件に依存するため、正確な天気予報は重要な課題である。 NeurIPS 2022の挑戦「Weather4cast」は、衛星観測の前の時刻を文脈として、次の8時間にわたって降雨イベントを予測する問題を提起している。 近年,コンピュータビジョンにおけるトランスフォーマーアーキテクチャの成功に触発されて,このアーキテクチャに基づく2つの手法を実装し,提案する。 異なるトランスフォーマーをいくつかのベースラインモデルでセンシングすることで、見当たらないテストデータで測定できる最高の性能が得られることが分かりました。 我々のアプローチは競争で3位になった。

関連論文リスト

• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Valeo4Cast: A Modular Approach to End-to-End Forecasting [93.86257326005726]
  我々のソリューションはArgoverse 2 end-to-end Forecasting Challengeで63.82 mAPfでランクインした。 私たちは、知覚から予測までエンドツーエンドのトレーニングを通じて、このタスクに取り組む現在のトレンドから離れ、代わりにモジュラーアプローチを使用します。 私たちは、昨年の優勝者より+17.1ポイント、今年の優勝者より+13.3ポイント、予測結果を+17.1ポイント上回る。
  論文  参考訳（メタデータ） (2024-06-12T11:50:51Z)
• WeatherFormer: A Pretrained Encoder Model for Learning Robust Weather Representations from Small Datasets [0.5735035463793009]
  WeatherFormerは、最小限の観測から堅牢な気象特徴を学習するために設計されたトランスフォーマーエンコーダベースのモデルである。 ウェザーホルマーは、アメリカ大陸の39年間の衛星観測による大規模な事前訓練データセットで事前訓練された。
  論文  参考訳（メタデータ） (2024-05-22T17:43:46Z)
• Genuine Knowledge from Practice: Diffusion Test-Time Adaptation for Video Adverse Weather Removal [53.15046196592023]
  ビデオの悪天候除去におけるテスト時間適応について紹介する。 本稿では,テスト時間適応を反復拡散逆プロセスに統合する最初のフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-12T14:21:30Z)
• Efficient Subseasonal Weather Forecast using Teleconnection-informed Transformers [29.33938664834226]
  季節的な予測は農業、水資源管理、災害の早期警戒に重要である。 機械学習の最近の進歩は、数値モデルに対する競争力のある予測能力を達成することで天気予報に革命をもたらした。 しかし、そのような基礎モデルのトレーニングには何千日ものGPU日が必要であるため、かなりの炭素排出量が発生する。
  論文  参考訳（メタデータ） (2024-01-31T14:27:35Z)
• Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
  本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。 提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
  論文  参考訳（メタデータ） (2023-11-30T08:22:08Z)
• Counting Crowds in Bad Weather [68.50690406143173]
  本研究では,悪天候シナリオにおいて,ロバストな群集カウント手法を提案する。 モデルでは,外見のバリエーションが大きいことを考慮し,効果的な特徴と適応的なクエリを学習する。 実験の結果,提案アルゴリズムは,ベンチマークデータセット上で異なる気象条件下での群集のカウントに有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-06-02T00:00:09Z)
• RainUNet for Super-Resolution Rain Movie Prediction under Spatio-temporal Shifts [22.972610820962625]
  本稿では、Weather4cast 2022 Challenge Stage 2に対する解決策を提案する。 この課題の目標は、地上レーダーから得られる将来の高解像度降雨事象を予測することである。 本稿では,課題に適したデータ前処理を行い,新しいRainUNetを用いて降雨映画を予測する手法を提案する。
  論文  参考訳（メタデータ） (2022-12-07T23:42:39Z)
• A Novel Transformer Network with Shifted Window Cross-Attention for Spatiotemporal Weather Forecasting [5.414308305392762]
  我々は,ビデオトランスを用いた天気予報の課題に取り組む。 視覚変換器のアーキテクチャは様々な用途で研究されている。 本稿では,ビデオスウィン・トランスフォーマーと専用拡張スキームの併用を提案する。
  論文  参考訳（メタデータ） (2022-08-02T05:04:53Z)
• A Variational U-Net for Weather Forecasting [4.0847949901305]
  本稿では,データの確率性を考慮した変分オートエンコーダと,詳細な詳細を復元するU-Netの機能を組み合わせた新しい変分U-Netを提案する。 このソリューションは、多くの共通点を持つTraffic4cast 2020の4番目のソリューションから進化したもので、非常に異なるドメインに適用可能であることを示唆しています。
  論文  参考訳（メタデータ） (2021-11-05T12:52:15Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)

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。