論文の概要: A conditional Generative Adversarial network model for the Weather4Cast 2024 Challenge
- arxiv url: http://arxiv.org/abs/2412.00451v1
- Date: Sat, 30 Nov 2024 11:56:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-04 15:45:56.052682
- Title: A conditional Generative Adversarial network model for the Weather4Cast 2024 Challenge
- Title（参考訳）: Weather4Cast 2024 チャレンジのための条件付き生成逆ネットワークモデル
- Authors: Atharva Deshpande, Kaushik Gopalan, Jeet Shah, Hrishikesh Simu,
- Abstract要約: 本研究では, 深層学習の降雨予測への応用について検討し, スピニング強化可視・赤外画像装置(SEVIRI)を用いて検討した。
我々は4つの赤外線周波数チャネルの平均を入力として、高密度光流アルゴリズムを用いて4時間後に放射像を予測する。
予測放射画像を4時間の予測期間に集約した降雨画像に変換し、累積降雨値を生成するために、条件付き生成逆ネットワーク(GAN)モデルを用いる。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: This study explores the application of deep learning for rainfall prediction, leveraging the Spinning Enhanced Visible and Infrared Imager (SEVIRI) High rate information transmission (HRIT) data as input and the Operational Program on the Exchange of weather RAdar information (OPERA) ground-radar reflectivity data as ground truth. We use the mean of 4 InfraRed frequency channels as the input. The radiance images are forecasted up to 4 hours into the future using a dense optical flow algorithm. A conditional generative adversarial network (GAN) model is employed to transform the predicted radiance images into rainfall images which are aggregated over the 4 hour forecast period to generate cumulative rainfall values. This model scored a value of approximately 7.5 as the Continuous Ranked Probability Score (CRPS) in the Weather4Cast 2024 competition and placed 1st on the core challenge leaderboard.
- Abstract（参考訳）: 本研究では, 降雨予測への深層学習の適用について検討し, 入力としてSpinning Enhanced Visible and Infrared Imager (SEVIRI) High Rate Information Transmission (HRIT) と, 地中レーダ反射率データ(OPERA) の操作プログラムを用いて検討した。
4つの赤外線周波数チャネルの平均を入力として使用する。
放射光画像は、密度の高い光流アルゴリズムを用いて、将来最大4時間まで予測される。
予測放射画像を4時間の予測期間に集約した降雨画像に変換し、累積降雨値を生成するために、条件付き生成逆ネットワーク(GAN)モデルを用いる。
このモデルは、Weather4Cast 2024コンペティションにおいて、CRPS(Continuous Ranked Probability Score)として約7.5のスコアを獲得し、コアチャレンジのリーダーボードで1位となった。
関連論文リスト
- Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。
次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。
気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
論文 参考訳（メタデータ） (2024-08-08T06:47:21Z) - A Generalized Transformer-based Radio Link Failure Prediction Framework in 5G RANs [2.519319150166215]
本稿では,グラフニューラルネットワーク(GNN)に基づく学習可能な気象効果集約モジュールを導入した新しいRLF予測フレームワークであるGenTrapを提案する。
我々は、GenTrapを260万のデータポイントを持つ2つの実世界のデータセットで評価し、GenTrapがF1スコア(農村では0.93、都市では0.79)を、そのデータセットよりもはるかに高く提供していることを示す。
論文 参考訳（メタデータ） (2024-07-06T21:57:23Z) - WEDGE: A multi-weather autonomous driving dataset built from generative
vision-language models [51.61662672912017]
本稿では,視覚言語生成モデルを用いて生成した合成データセットWEDGEを紹介する。
WEDGEは16の極度の気象条件で3360枚の画像で構成され、16513個の境界ボックスを手動で注釈付けしている。
53.87%の検定精度と45.41mAPで分類・検出のためのベースライン性能を確立した。
論文 参考訳（メタデータ） (2023-05-12T14:42:47Z) - NeRF applied to satellite imagery for surface reconstruction [5.027411102165872]
本稿では、最近導入されたシャドウニューラルレージアンスフィールド(S-NeRF)モデルの修正実装であるSurf-NeRFを提案する。
本手法は、画像中の光の変動を考慮しつつ、シーンの衛星画像の粗い集合から新規なビューを合成することができる。
トレーニングされたモデルは、しばしば衛星観測用途に望ましい量であるシーンの表面の標高を正確に推定するためにも使用できる。
論文 参考訳（メタデータ） (2023-04-09T01:37:13Z) - 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) - 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) - Vision in adverse weather: Augmentation using CycleGANs with various
object detectors for robust perception in autonomous racing [70.16043883381677]
自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。
悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。
本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
論文 参考訳（メタデータ） (2022-01-10T10:02:40Z) - Spatiotemporal Weather Data Predictions with Shortcut
Recurrent-Convolutional Networks: A Solution for the Weather4cast challenge [0.0]
本稿では、著者がWeather4cast 2021 Challenge Stage 1で使用したニューラルネットワークモデルについて述べる。
目的は、衛星ベースの気象データ画像の時間的進化を予測することである。
ネットワークは、ゲートリカレントユニット(GRU)、残留ブロック、U-Netに似たショートカットを持つ縮小/拡張アーキテクチャを利用するエンコーダ・フォカスターアーキテクチャに基づいている。
論文 参考訳（メタデータ） (2021-11-03T10:36:47Z) - 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) - Real-time Ionospheric Imaging of S4 Scintillation from Limited Data with
Parallel Kalman Filters and Smoothness [91.3755431537592]
南アメリカ上空350kmでS4振幅シンチレーションの2次元電離層像を時間分解能1分で作成する。
その結果, 地上受信機のネットワークが比較的良好なエリアでは, 生成画像が信頼性の高いリアルタイム結果を提供できることがわかった。
論文 参考訳（メタデータ） (2021-05-11T23:09:14Z) - A generative adversarial network approach to (ensemble) weather
prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。
提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文 参考訳（メタデータ） (2020-06-13T20:53:17Z)
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。