論文の概要: Frequency-Compensated Network for Daily Arctic Sea Ice Concentration Prediction

• arxiv url: http://arxiv.org/abs/2504.16745v1
• Date: Wed, 23 Apr 2025 14:15:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 15:58:24.289409
• Title: Frequency-Compensated Network for Daily Arctic Sea Ice Concentration Prediction
• Title（参考訳）: 毎日北極海氷濃度予測のための周波数補償ネットワーク
• Authors: Jialiang Zhang, Feng Gao, Yanhai Gan, Junyu Dong, Qian Du,
• Abstract要約: 北極圏SIC予測のための周波数補償ネットワーク(FCNet)を毎日提案する。 特に、周波数特徴抽出と畳み込み特徴抽出のための分岐を含む二重分岐ネットワークを設計する。 高周波の特徴はチャネルワイド・アテンションによって強化され、時間的アテンション・ユニットは低周波の特徴抽出に使われ、長距離海氷の変化を捉えている。
• 参考スコア（独自算出の注目度）: 36.20486793776406
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurately forecasting sea ice concentration (SIC) in the Arctic is critical to global ecosystem health and navigation safety. However, current methods still is confronted with two challenges: 1) these methods rarely explore the long-term feature dependencies in the frequency domain. 2) they can hardly preserve the high-frequency details, and the changes in the marginal area of the sea ice cannot be accurately captured. To this end, we present a Frequency-Compensated Network (FCNet) for Arctic SIC prediction on a daily basis. In particular, we design a dual-branch network, including branches for frequency feature extraction and convolutional feature extraction. For frequency feature extraction, we design an adaptive frequency filter block, which integrates trainable layers with Fourier-based filters. By adding frequency features, the FCNet can achieve refined prediction of edges and details. For convolutional feature extraction, we propose a high-frequency enhancement block to separate high and low-frequency information. Moreover, high-frequency features are enhanced via channel-wise attention, and temporal attention unit is employed for low-frequency feature extraction to capture long-range sea ice changes. Extensive experiments are conducted on a satellite-derived daily SIC dataset, and the results verify the effectiveness of the proposed FCNet. Our codes and data will be made public available at: https://github.com/oucailab/FCNet .
• Abstract（参考訳）: 北極圏における海氷濃度(SIC)の正確な予測は、地球生態系の健康と航海の安全に不可欠である。 しかし、現在の方法はまだ2つの課題に直面している。 1)これらの手法は周波数領域における長期的特徴の依存関係を調査することは滅多にない。 2) 海氷の周縁部の変化を正確に把握できないため, 高周波の細部は保存できない。 この目的のために,北極SIC予測のための周波数補償ネットワーク(FCNet)を毎日提案する。 特に、周波数特徴抽出と畳み込み特徴抽出のための分岐を含む二重分岐ネットワークを設計する。 周波数特徴抽出のための適応周波数フィルタブロックを設計し、トレーニング可能な層とフーリエフィルタを統合する。 周波数特性を追加することで、FCNetはエッジと詳細の洗練された予測を達成できる。 畳み込み特徴抽出のために,高周波数情報と低周波数情報を分離する高周波拡張ブロックを提案する。 さらに,低周波の特徴抽出に時間的注意ユニットを用い,長距離海氷の変化を捉えた。 衛星由来の日次SICデータセットを用いて大規模な実験を行い,提案したFCNetの有効性を検証した。 私たちのコードとデータは、https://github.com/oucailab/FCNetで公開されます。

関連論文リスト

• FilterNet: Harnessing Frequency Filters for Time Series Forecasting [34.83702192033196]
  FilterNetは、時系列信号の特定の成分を選択的に通過または減衰させることにより、重要な情報的時間パターンを抽出するために、我々の提案した学習可能な周波数フィルタ上に構築されている。 2つのフィルタを備えることで、FilterNetは、時系列文学で広く採用されている線形およびアテンションマッピングを概ねサロゲートすることができる。
  論文  参考訳（メタデータ） (2024-11-03T16:20:41Z)
• Frequency-aware Feature Fusion for Dense Image Prediction [99.85757278772262]
  本稿では,高密度画像予測のための周波数認識機能融合(FreqFusion)を提案する。 FreqFusionは、Adaptive Low-Pass Filter (ALPF) ジェネレータ、オフセットジェネレータ、Adaptive High-Pass Filter (AHPF) ジェネレータを統合する。 包括的可視化と定量的分析は、FreqFusionが機能一貫性を効果的に改善し、オブジェクト境界を鋭くすることを示している。
  論文  参考訳（メタデータ） (2024-08-23T07:30:34Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• WFTNet: Exploiting Global and Local Periodicity in Long-term Time Series Forecasting [61.64303388738395]
  本稿では,長期連続予測のためのWavelet-Fourier Transform Network (WFTNet)を提案する。 さまざまな時系列データセットのテストでは、WFTNetは他の最先端のベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2023-09-20T13:44:18Z)
• Both Spatial and Frequency Cues Contribute to High-Fidelity Image Inpainting [9.080472817672263]
  深部生成的アプローチは、近年、画像の塗布において大きな成功を収めている。 ほとんどの生成的塗布ネットワークは、過度に滑らかな結果か、アーティファクトのエイリアスに悩まされている。 本研究では、空間領域と周波数領域の両方において、リッチな意味情報を活用することで、周波数空間補間ネットワーク(FSCN)を提案する。
  論文  参考訳（メタデータ） (2023-07-15T01:52:06Z)
• FECAM: Frequency Enhanced Channel Attention Mechanism for Time Series Forecasting [21.933798421967225]
  時系列予測は、実世界の情報が様々なシナリオにあるため、長年にわたる課題である。 モデルが、実世界のデータセットに豊富に含まれている周波数情報をキャプチャする能力に欠けているのは、そのためだと私たちは考えています。 離散コサイン変換に基づく周波数相互依存性を適応的にモデル化する新しい周波数強調チャネルアテンションを提案する。
  論文  参考訳（メタデータ） (2022-12-02T14:40:55Z)
• Spatial-Temporal Frequency Forgery Clue for Video Forgery Detection in VIS and NIR Scenario [87.72258480670627]
  既存の周波数領域に基づく顔偽造検出手法では、GAN鍛造画像は、実際の画像と比較して、周波数スペクトルに明らかな格子状の視覚的アーチファクトを持つ。 本稿では,コサイン変換に基づくフォージェリークリュー拡張ネットワーク(FCAN-DCT)を提案し,より包括的な時空間特徴表現を実現する。
  論文  参考訳（メタデータ） (2022-07-05T09:27:53Z)
• Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
  本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。 我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-03-27T14:25:52Z)

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。