論文の概要: Omni-Weather: Unified Multimodal Foundation Model for Weather Generation and Understanding
- arxiv url: http://arxiv.org/abs/2512.21643v1
- Date: Thu, 25 Dec 2025 12:08:09 GMT
- ステータス: 情報取得中
- システム内更新日: 2025-12-29 12:04:57.112362
- Title: Omni-Weather: Unified Multimodal Foundation Model for Weather Generation and Understanding
- Title（参考訳）: Omni-Weather:気象・理解のための統一型マルチモーダル基礎モデル
- Authors: Zhiwang Zhou, Yuandong Pu, Xuming He, Yidi Liu, Yixin Chen, Junchao Gong, Xiang Zhuang, Wanghan Xu, Qinglong Cao, Shixiang Tang, Yihao Liu, Wenlong Zhang, Lei Bai,
- Abstract要約: オムニ・ウェザー(Omni-Weather)は、気象の発生と1つのアーキテクチャ内での理解を統一する最初のマルチモーダル基礎モデルである。
大規模な実験は、オムニ=ウェザーが気象の発生と理解の両方において最先端のパフォーマンスを達成することを示している。
本研究は,気象領域における生成的・理解的タスクが相互に増強できることを示唆するものである。
- 参考スコア（独自算出の注目度）: 45.208804604251405
- License:
- Abstract: Weather modeling requires both accurate prediction and mechanistic interpretation, yet existing methods treat these goals in isolation, separating generation from understanding. To address this gap, we present Omni-Weather, the first multimodal foundation model that unifies weather generation and understanding within a single architecture. Omni-Weather integrates a radar encoder for weather generation tasks, followed by unified processing using a shared self-attention mechanism. Moreover, we construct a Chain-of-Thought dataset for causal reasoning in weather generation, enabling interpretable outputs and improved perceptual quality. Extensive experiments show Omni-Weather achieves state-of-the-art performance in both weather generation and understanding. Our findings further indicate that generative and understanding tasks in the weather domain can mutually enhance each other. Omni-Weather also demonstrates the feasibility and value of unifying weather generation and understanding.
- Abstract（参考訳）: 気象モデリングは正確な予測と機械的解釈の両方を必要とするが、既存の手法はこれらの目標を分離して扱い、理解から生成を分離する。
このギャップに対処するため、我々は、単一アーキテクチャ内で気象の発生と理解を統一する最初のマルチモーダル基礎モデルであるOmni-Weatherを紹介する。
Omni-Weatherは気象予報タスク用のレーダーエンコーダを統合し、続いて共有自己認識機構を用いた統一処理を行う。
さらに,天気予報における因果推論のためのChain-of-Thoughtデータセットを構築し,解釈可能な出力を実現し,知覚品質を向上させる。
大規模な実験は、オムニ=ウェザーが気象の発生と理解の両方において最先端のパフォーマンスを達成することを示している。
さらに,気象領域における生成的・理解的タスクが相互に強化できることが示唆された。
オムニ=ウェザーはまた、気象の発生と理解を統一する可能性と価値も示している。
関連論文リスト
- A Physics-guided Multimodal Transformer Path to Weather and Climate Sciences [59.05404971880922]
気象学における多くの問題は、AIモデルを使って解決できる。
データ駆動アルゴリズムは従来の手法に比べて精度が大幅に向上した。
本稿では,異なる視点からの観測データをマルチモーダルデータとして扱い,変換器を介して統合する新たなパラダイムを提案する。
論文 参考訳（メタデータ） (2025-04-19T04:31:35Z) - WeatherGFM: Learning A Weather Generalist Foundation Model via In-context Learning [69.82211470647349]
第1次一般気象基礎モデル(WeatherGFM)を紹介する。
気象理解タスクの幅広い範囲を統一的な方法で解決する。
我々のモデルは、天気予報、超解像、天気画像翻訳、後処理など、最大10の気象理解タスクを効果的に処理できる。
論文 参考訳（メタデータ） (2024-11-08T09:14:19Z) - Advancing Meteorological Forecasting: AI-based Approach to Synoptic Weather Map Analysis [3.686808512438363]
本研究では,新しい事前処理手法と畳み込みオートエンコーダモデルを提案する。
このモデルでは、現在の大気条件にほぼ一致する歴史的シンフォティック気象図を認識できた。
論文 参考訳（メタデータ） (2024-11-08T07:46:50Z) - WeatherQA: Can Multimodal Language Models Reason about Severe Weather? [45.43764278625153]
干し草、竜巻、雷雨などの激しい対流的な気象イベントは、しばしば急速に起こるが、大きな被害を招き、毎年何十億ドルもの費用がかかる。
このことは、気象学者や住民のリスクの高い地域での適切な準備のために、前もって厳しい天候の脅威を予知することの重要性を強調している。
我々は、気象パラメータの複雑な組み合わせを推論し、現実のシナリオで厳しい天候を予測するために、機械用に設計された最初のマルチモーダルデータセットであるWeatherQAを紹介する。
論文 参考訳（メタデータ） (2024-06-17T05:23:18Z) - Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。
我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。
この手法を現実のシナリオに適用するのは,私たちが初めてです。
論文 参考訳（メタデータ） (2023-12-18T09:05:28Z) - Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。
提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
論文 参考訳（メタデータ） (2023-11-30T08:22:08Z)
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。