論文の概要: Algorithmic Hallucinations of Near-Surface Winds: Statistical Downscaling with Generative Adversarial Networks to Convection-Permitting Scales

• arxiv url: http://arxiv.org/abs/2302.08720v1
• Date: Fri, 17 Feb 2023 06:29:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-20 15:41:06.558510
• Title: Algorithmic Hallucinations of Near-Surface Winds: Statistical Downscaling with Generative Adversarial Networks to Convection-Permitting Scales
• Title（参考訳）: 近面風のアルゴリズムによる幻覚:対流パーミットスケールに対する生成逆ネットワークによる統計的ダウンスケーリング
• Authors: Nicolaas J. Annau, Alex J. Cannon, Adam H. Monahan
• Abstract要約: 本稿では, 画像超解像(SR)と深層学習の分野から, 対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流・対流 具体的には、GAN(Generative Adversarial Networks)は、気象調査・予測(WRF)モデルにより北アメリカ上空を模擬した高分解能(HR)表面の風を生成するために、グローバルリアナリシスからのLR入力に条件付けされている。 WRFシミュレーションの統計特性の整合性に加えて、GANは印象的なリアリズムを持つHR場を迅速に生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Providing small-scale information about weather and climate is challenging, especially for variables strongly controlled by processes that are unresolved by low-resolution (LR) models. This paper explores emerging machine learning methods from the fields of image super-resolution (SR) and deep learning for statistical downscaling of near-surface winds to convection-permitting scales. Specifically, Generative Adversarial Networks (GANs) are conditioned on LR inputs from a global reanalysis to generate high-resolution (HR) surface winds that emulate those simulated over North America by the Weather Research and Forecasting (WRF) model. Unlike traditional SR models, where LR inputs are idealized coarsened versions of the HR images, WRF emulation involves non-idealized LR inputs from a coarse-resolution reanalysis. In addition to matching the statistical properties of WRF simulations, GANs quickly generate HR fields with impressive realism. However, objectively assessing the realism of the SR models requires careful selection of evaluation metrics. In particular, performance measures based on spatial power spectra reveal the way that GAN configurations change spatial structures in the generated fields, where biases in spatial variability originate, and how models depend on different LR covariates. Inspired by recent computer vision research, a novel methodology that separates spatial frequencies in HR fields is used in an attempt to optimize the SR GANs further. This method, called frequency separation, resulted in deterioration in realism of the generated HR fields. However, frequency separation did show how spatial structures are influenced by the metrics used to optimize the SR models, which led to the development of a more effective partial frequency separation approach.
• Abstract（参考訳）: 特に低解像度(lr)モデルによって解決されないプロセスによって強く制御される変数にとっては、気象や気候に関する小規模情報の提供は困難である。 本稿では,画像スーパーレゾリューション(sr)と深層学習の分野における新しい機械学習手法について検討する。 具体的には、GAN(Generative Adversarial Networks)は、気象調査・予測(WRF)モデルにより北アメリカ上空を模擬した高分解能(HR)表面の風を生成するために、グローバルリアナリシスからのLR入力に条件付けされている。 従来のSRモデルとは異なり、LR入力はHR画像の粗大化バージョンとして理想化されているが、WRFエミュレーションは粗大分解能再解析による非理想化LR入力を含む。 WRFシミュレーションの統計特性の整合に加えて、GANは印象的なリアリズムを持つHR場を迅速に生成する。 しかし、SRモデルの現実性を客観的に評価するには、評価指標を慎重に選択する必要がある。 特に、空間パワースペクトルに基づく性能測定は、GAN構成が生成されたフィールドにおける空間構造を変化させる方法、空間変動のバイアスが生じる方法、モデルが異なるLR共変量に依存する方法を明らかにする。 近年のコンピュータビジョン研究に触発され、SR GANをさらに最適化するためにHRフィールドの空間周波数を分離する新しい手法が用いられている。 この手法は周波数分離と呼ばれ、生成したHR場のリアリズムを劣化させる結果となった。 しかし、周波数分離はsrモデルを最適化するためのメトリクスによって空間構造がどのように影響を受けるかを示し、より効果的な部分周波数分離手法の開発につながった。

関連論文リスト

• Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
  非視線画像(NLOS)は、その潜在的な応用により注目されている。 既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。 本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2024-09-21T04:39:45Z)
• Empowering Snapshot Compressive Imaging: Spatial-Spectral State Space Model with Across-Scanning and Local Enhancement [51.557804095896174]
  AsLE-SSMという,グローバルな局所的バランスの取れたコンテキストエンコーディングとチャネル間相互作用の促進に空間スペクトルSSMを用いる状態空間モデルを導入する。 実験の結果,ASLE-SSMは既存の最先端手法よりも優れており,推定速度はTransformerベースのMSTより2.4倍速く,パラメータの0.12(M)を節約できることがわかった。
  論文  参考訳（メタデータ） (2024-08-01T15:14:10Z)
• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• Physics-Inspired Degradation Models for Hyperspectral Image Fusion [61.743696362028246]
  ほとんどの融合法は、融合アルゴリズム自体にのみ焦点をあて、分解モデルを見落としている。 我々は、LR-HSIとHR-MSIの劣化をモデル化するための物理インスパイアされた劣化モデル(PIDM)を提案する。 提案したPIDMは,既存の核融合法における核融合性能を向上させることができる。
  論文  参考訳（メタデータ） (2024-02-04T09:07:28Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• Sensor Control for Information Gain in Dynamic, Sparse and Partially Observed Environments [1.5402666674186938]
  本研究では,部分観測可能,動的,疎密なサンプル環境下での情報収集のための自律型センサ制御手法を提案する。 本研究は,(1)新しい情報獲得報酬を用いて,未開の非定常環境における探索を改善することで,DAN強化学習フレームワークを拡張した。 また、目的のRFスペクトル/フィールドからのサンプリングが限定された状況にまで拡張し、制限されたフィールドサンプリングから反復的に改善されたモデルを介してコントローラを微調整するオリジナルのRLアルゴリズムのモデルベースバージョンを提案する。
  論文  参考訳（メタデータ） (2022-11-03T00:03:14Z)
• Implicit Neural Representation Learning for Hyperspectral Image Super-Resolution [0.0]
  Inlicit Neural Representations (INR)は、新しい効果的な表現として進歩を遂げている。 本稿では、空間座標を対応するスペクトル放射率値にマッピングする連続関数により、HSIを表すINRに基づく新しいHSI再構成モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-20T14:07:54Z)
• A Feature Fusion-Net Using Deep Spatial Context Encoder and Nonstationary Joint Statistical Model for High Resolution SAR Image Classification [10.152675581771113]
  HR SAR画像に対して, エンドツーエンドの教師付き分類法を提案する。 より効果的な空間特徴を抽出するために,新しい深部空間コンテキストエンコーダネットワーク(DSCEN)を提案する。 統計の多様性を高めるため、非定常連成統計モデル(NS-JSM)が採用され、グローバルな統計特性を形成する。
  論文  参考訳（メタデータ） (2021-05-11T06:20:14Z)
• Robust Reconfigurable Intelligent Surfaces via Invariant Risk and Causal Representations [55.50218493466906]
  本稿では,データ分布の変化に伴うロバスト再構成可能なインテリジェントサーフェス(ris)システム設計の問題について検討する。 不変リスク最小化(IRM)の概念を用いて、複数の環境にまたがる不変因果表現を用いて、予測器が各環境に対して同時に最適となるようにする。 予測器を探すためにニューラルネットワークベースのソリューションを採用し、その性能は経験的リスク最小化に基づく設計に対するシミュレーションによって検証される。
  論文  参考訳（メタデータ） (2021-05-04T21:36:31Z)
• Spectral Response Function Guided Deep Optimization-driven Network for Spectral Super-resolution [20.014293172511074]
  本稿では、より深い空間スペクトルを持つ最適化駆動畳み込みニューラルネットワーク(CNN)を提案する。 自然およびリモートセンシング画像を含む2種類のデータセットに対する実験により,提案手法のスペクトル強調効果が示された。
  論文  参考訳（メタデータ） (2020-11-19T07:52:45Z)

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。