Fugu-MT 論文翻訳(概要): RainUNet for Super-Resolution Rain Movie Prediction under Spatio-temporal Shifts

論文の概要: RainUNet for Super-Resolution Rain Movie Prediction under Spatio-temporal Shifts

arxiv url: http://arxiv.org/abs/2212.04005v1
Date: Wed, 7 Dec 2022 23:42:39 GMT
ステータス: 処理完了
システム内更新日: 2022-12-09 15:34:14.630039
Title: RainUNet for Super-Resolution Rain Movie Prediction under Spatio-temporal Shifts
Title（参考訳）: 時空間シフト下における超解像雨映画予測のための雨雲
Authors: Jinyoung Park, Minseok Son, Seungju Cho, Inyoung Lee, Changick Kim
Abstract要約: 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。
参考スコア（独自算出の注目度）: 22.972610820962625
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents a solution to the Weather4cast 2022 Challenge Stage 2. The goal of the challenge is to forecast future high-resolution rainfall events obtained from ground radar using low-resolution multiband satellite images. We suggest a solution that performs data preprocessing appropriate to the challenge and then predicts rainfall movies using a novel RainUNet. RainUNet is a hierarchical U-shaped network with temporal-wise separable block (TS block) using a decoupled large kernel 3D convolution to improve the prediction performance. Various evaluation metrics show that our solution is effective compared to the baseline method. The source codes are available at https://github.com/jinyxp/Weather4cast-2022
Abstract（参考訳）: 本稿では,weather4cast 2022チャレンジステージ2の解法を提案する。課題の目的は,低解像度マルチバンド衛星画像を用いた地中レーダからの高分解能降雨イベントの予測である。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。 rainunetは、時間分割可能なブロック(tsブロック)を持つ階層型u字型ネットワークで、デカップリングされた大きなカーネル3d畳み込みを用いて予測性能を向上させる。様々な評価指標から,本手法はベースライン法と比較して有効であることが示された。ソースコードはhttps://github.com/jinyxp/weather4cast-2022で入手できる。

関連論文リスト

RainyScape: Unsupervised Rainy Scene Reconstruction using Decoupled Neural Rendering [50.14860376758962]
多視点降雨画像の集合からクリーンなシーンを再構築するための教師なしフレームワークであるRainyScapeを提案する。ニューラルネットワークのスペクトルバイアス特性に基づいて、まずニューラルネットワークのレンダリングパイプラインを最適化し、低周波シーン表現を得る。我々は2つのモジュールを協調的に最適化し,適応的指向性勾配に基づく再構成損失によって駆動する。
論文参考訳（メタデータ） (2024-04-17T14:07:22Z)
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)
Sunshine to Rainstorm: Cross-Weather Knowledge Distillation for Robust 3D Object Detection [26.278415287992964]
従来の研究では、雨からの騒音をシミュレートし、検出モデルの堅牢性を改善することで、この問題に対処しようと試みてきた。本研究では,動的・降雨環境理論を統一した新しい降雨シミュレーション手法DRETを提案する。また,降雨条件下での3次元検出を強化するために,サニー・ツー・レイニー知識蒸留法を提案する。
論文参考訳（メタデータ） (2024-02-28T17:21:02Z)
Two-stage Rainfall-Forecasting Diffusion Model [1.6005657281443229]
TRDMは降雨予測のための2段階の手法である。第1段階は、低解像度条件下で空間情報を保存しながら、堅牢な時間情報をキャプチャすることである。第2段は、第1段で生成された低解像度画像を高解像度画像に再構成する。
論文参考訳（メタデータ） (2024-02-20T07:37:32Z)
RainAI -- Precipitation Nowcasting from Satellite Data [5.869633234882028]
本稿では,Weather4 2023コンペティションに対する解決策を提案する。目標は、低解像度の衛星放射率画像を用いて8時間のリードタイムで高解像度の降水を予測することである。本稿では,2次元U-Netモデルを用いた簡易かつ効果的な特徴学習法を提案する。
論文参考訳（メタデータ） (2023-11-30T09:49:16Z)
Super-resolution Probabilistic Rain Prediction from Satellite Data Using 3D U-Nets and EarthFormers [3.672208741935232]
本稿では,3D U-Nets と EarthFormers を用いて,Weather4cast 2022 NeurIPS コンペで2位を獲得したソリューションを提案する。入力衛星画像の空間的文脈効果は深く調べられ、最適な文脈範囲が見つかった。その結果、雲頂位相 (8.7 m) と雲頂高さ (10.8 と 13.4 m) を表わす衛星帯が、降雨予測に最適であることが示された。
論文参考訳（メタデータ） (2022-12-06T14:15:33Z)
WeatherFusionNet: Predicting Precipitation from Satellite Data [0.0]
低分解能衛星放射率画像から高分解能降水を予測することを目的としている。 WeatherFusionNetと呼ばれるニューラルネットワークは、前もって8時間までの激しい雨を予測するために使用されている。私たちはNeurIPS 2022 Weather4Cast Coreチャレンジで1位を獲得しました。
論文参考訳（メタデータ） (2022-11-30T08:49:13Z)
TransWeather: Transformer-based Restoration of Images Degraded by Adverse Weather Conditions [77.20136060506906]
トランスウェザー (TransWeather) は1つのエンコーダとデコーダしか持たない変圧器を用いたエンド・ツー・エンドモデルである。 TransWeatherは、All-in-Oneネットワーク上で、複数のテストデータセット間で大幅に改善されている。実世界のテスト画像で検証され、従来の方法よりも効果的であることが判明した。
論文参考訳（メタデータ） (2021-11-29T18:57:09Z)
RCDNet: An Interpretable Rain Convolutional Dictionary Network for Single Image Deraining [49.99207211126791]
雨畳み込み辞書ネットワーク(RCDNet)と呼ばれる,新しい深層アーキテクチャを具体的に構築する。 RCDNetは雨害の本質的な先行を埋め込んでおり、明確な解釈性を持っている。このような解釈可能なネットワークをエンドツーエンドにトレーニングすることにより、関連するすべてのレインカーネルと近位演算子を自動的に抽出することができる。
論文参考訳（メタデータ） (2021-07-14T16:08:11Z)
Semi-Supervised Video Deraining with Dynamic Rain Generator [59.71640025072209]
本稿では,降雨層に適合する動的降雨発生器を用いた半教師付きビデオデレーシング手法を提案する。具体的には、1つのエミッションモデルと1つのトランジションモデルから成り、空間的物理的構造と時系列の雨の連続的な変化を同時にエンコードする。ラベル付き合成およびラベルなしの実データのために、それらの基礎となる共通知識を十分に活用するために、様々な先行フォーマットが設計されている。
論文参考訳（メタデータ） (2021-03-14T14:28:57Z)
Conditional Variational Image Deraining [158.76814157115223]
キャラクタリゼーション性能向上のための条件変分画像レイニング(CVID)ネットワーク本研究では,各画像の降雨密度マップを推定するための空間密度推定(SDE)モジュールを提案する。合成および実世界のデータセットを用いた実験により,提案したCVIDネットワークは,画像のデライニングにおける従来の決定論的手法よりもはるかに優れた性能が得られることが示された。
論文参考訳（メタデータ） (2020-04-23T11:51:38Z)

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。