論文の概要: Transformer based super-resolution downscaling for regional reanalysis: Full domain vs tiling approaches
- arxiv url: http://arxiv.org/abs/2410.12728v1
- Date: Wed, 16 Oct 2024 16:42:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-17 13:43:37.934956
- Title: Transformer based super-resolution downscaling for regional reanalysis: Full domain vs tiling approaches
- Title（参考訳）: 変圧器を用いた局所再解析のための超解像ダウンスケーリング:全領域対タイリングアプローチ
- Authors: Antonio Pérez, Mario Santa Cruz, Daniel San Martín, José Manuel Gutiérrez,
- Abstract要約: 超解像 (SR) は高解像度の気候情報を生成するための有望なコスト効率のダウンスケーリング手法である。
本研究では,温度に着目したSRダウンスケーリング手法の相互比較を行った。
空間移動性を必要とするタイリング手法は,性能低下のコストがかかることを示す。
- 参考スコア（独自算出の注目度）: 0.21427777919040417
- License:
- Abstract: Super-resolution (SR) is a promising cost-effective downscaling methodology for producing high-resolution climate information from coarser counterparts. A particular application is downscaling regional reanalysis outputs (predictand) from the driving global counterparts (predictor). This study conducts an intercomparison of various SR downscaling methods focusing on temperature and using the CERRA reanalysis (5.5 km resolution, produced with a regional atmospheric model driven by ERA5) as example. The method proposed in this work is the Swin transformer and two alternative methods are used as benchmark (fully convolutional U-Net and convolutional and dense DeepESD) as well as the simple bicubic interpolation. We compare two approaches, the standard one using the full domain as input and a more scalable tiling approach, dividing the full domain into tiles that are used as input. The methods are trained to downscale CERRA surface temperature, based on temperature information from the driving ERA5; in addition, the tiling approach includes static orographic information. We show that the tiling approach, which requires spatial transferability, comes at the cost of a lower performance (although it outperforms some full-domain benchmarks), but provides an efficient scalable solution that allows SR reduction on a pan-European scale and is valuable for real-time applications.
- Abstract（参考訳）: 超高解像度(SR)は、粗いものから高解像度の気候情報を生成するための有望なコスト効率のダウンスケーリング手法である。
特に応用例は、運転するグローバルな相手(予測者)からの地域的再分析出力(予測)をダウンスケールすることである。
本研究では、温度に着目した様々なSRダウンスケーリング手法の相互比較を行い、例えば、CERRA再解析(5.5km分解能、ERA5によって駆動される地域大気モデル)を用いる。
この研究で提案される手法はスウィン変換器であり、単純なバイキュービック補間と同様に2つの代替手法がベンチマーク(完全に畳み込みされたU-Netと、畳み込みとディープESD)として使用される。
入力としてフルドメインを使用する標準的なアプローチと、入力として使用されるタイルにフルドメインを分割する、よりスケーラブルなティアリングアプローチの2つのアプローチを比較します。
これらの方法は、駆動ERA5の温度情報に基づいて、CERRA表面温度をダウンスケールするよう訓練され、また、タイリングアプローチには静的なオーログラフィ情報が含まれる。
空間転送性を必要とするタイリング方式では,性能が低下する(フルベンチマークでは性能が優れているが)が,パンヨーロッパスケールでのSR削減を可能とし,リアルタイムアプリケーションに有用な,スケーラブルなソリューションを提供する。
関連論文リスト
- ML-based identification of the interface regions for coupling local and nonlocal models [0.0]
局所非局所カップリングアプローチは、局所モデルの計算効率と非局所モデルの精度を組み合わせる。
本研究では,局所モデルと非局所モデルを用いるべき領域を自動的に検出する機械学習アプローチを提案する。
論文 参考訳（メタデータ） (2024-04-23T14:19:36Z) - Real-GDSR: Real-World Guided DSM Super-Resolution via Edge-Enhancing Residual Network [2.3020018305241337]
低解像度デジタルサーフェスモデル(DSM)は、ノイズ、センサーの制限、データ取得条件の影響を受けやすい特性を特徴とする。
このため、合成データで訓練された超解像モデルは、実データでは効果的に機能しない。
本稿では,REAL-GDSRと呼ばれる実世界のDSM超解像の複雑さに対処する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-04-05T07:24:10Z) - Adaptive Federated Learning Over the Air [108.62635460744109]
オーバー・ザ・エア・モデル・トレーニングの枠組みの中で,適応勾配法,特にAdaGradとAdamの連合バージョンを提案する。
解析の結果,AdaGrad に基づくトレーニングアルゴリズムは $mathcalO(ln(T) / T 1 - frac1alpha の速度で定常点に収束することがわかった。
論文 参考訳（メタデータ） (2024-03-11T09:10:37Z) - Generative Adversarial Models for Extreme Geospatial Downscaling [0.0]
本稿では,非常に高いスケーリング係数に対応可能な条件付きGANに基づく地理空間ダウンスケーリング手法について述べる。
この手法は、既存の手法では無視されがちなダウンスケーリングプロセスに固有の不確実性を明確に考慮する。
1つの決定論的結果ではなく、多量の高分解能サンプルを生成する。
論文 参考訳（メタデータ） (2024-02-21T18:25:04Z) - Less is More: Fewer Interpretable Region via Submodular Subset Selection [54.07758302264416]
本稿では,上述の画像帰属問題を部分モジュラ部分選択問題として再モデル化する。
我々は、より正確な小さな解釈領域を発見するために、新しい部分モジュラー関数を構築する。
正しく予測されたサンプルに対しては,HSIC-Attributionに対する平均4.9%と2.5%の利得で,Deletion and Insertionスコアを改善した。
論文 参考訳（メタデータ） (2024-02-14T13:30:02Z) - Learning Regionalization using Accurate Spatial Cost Gradients within a Differentiable High-Resolution Hydrological Model: Application to the French Mediterranean Region [0.18139022013189662]
未採集における分散水文パラメータの推定は, 地域化の問題を引き起こす。
本稿では,学習可能な地域化マッピングを取り入れたハイブリッド・アシミレーション・地域化(HDA-PR)手法を提案する。
その結果,特に上流から下流までの補間において,HDA-PRの強い地域化が顕著となった。
論文 参考訳（メタデータ） (2023-08-02T07:23:50Z) - Information Entropy Initialized Concrete Autoencoder for Optimal Sensor
Placement and Reconstruction of Geophysical Fields [58.720142291102135]
そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。
本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。
得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
論文 参考訳（メタデータ） (2022-06-28T12:43:38Z) - Scalable Distributional Robustness in a Class of Non Convex Optimization
with Guarantees [7.541571634887807]
分散ロバスト最適化 (DRO) は, サンプルベース問題と同様に, 学習におけるロバスト性を示す。
実世界における課題を解くのに十分ではない混合整数クラスタリングプログラム (MISOCP) を提案する。
論文 参考訳（メタデータ） (2022-05-31T09:07:01Z) - Super-resolution GANs of randomly-seeded fields [68.8204255655161]
ランダムスパースセンサからフィールド量の推定を行うための,GAN(Super- resolution Generative Adversarial Network)フレームワークを提案する。
このアルゴリズムはランダムサンプリングを利用して、高解像度の基底分布の不完全ビューを提供する。
提案手法は, 流体流動シミュレーション, 海洋表面温度分布測定, 粒子画像速度測定データの合成データベースを用いて検証した。
論文 参考訳（メタデータ） (2022-02-23T18:57:53Z) - Collaborative Training between Region Proposal Localization and
Classification for Domain Adaptive Object Detection [121.28769542994664]
オブジェクト検出のためのドメイン適応は、ラベル付きデータセットからラベル付きデータセットへの検出を適応させようとする。
本稿では,地域提案ネットワーク (RPN) と地域提案分類器 (RPC) が,大きなドメインギャップに直面した場合の転送可能性が大きく異なることを初めて明らかにする。
論文 参考訳（メタデータ） (2020-09-17T07:39:52Z) - Localized active learning of Gaussian process state space models [63.97366815968177]
多くの共通制御アプリケーションにおいて、優れた性能を達成するためには、グローバルに正確なモデルを必要としない。
本稿では,状態-作用空間の有界部分集合上の正確なモデルを得ることを目的としたガウス過程状態空間モデルに対する能動的学習戦略を提案する。
モデル予測制御を用いることで、探索中に収集した情報を統合し、探索戦略を適応的に改善する。
論文 参考訳（メタデータ） (2020-05-04T05:35:02Z)
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。