論文の概要: LangPrecip: Language-Aware Multimodal Precipitation Nowcasting

• arxiv url: http://arxiv.org/abs/2512.22317v1
• Date: Fri, 26 Dec 2025 12:06:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:29.990131
• Title: LangPrecip: Language-Aware Multimodal Precipitation Nowcasting
• Title（参考訳）: LangPrecip: 言語対応のマルチモーダル降水が利用可能に
• Authors: Xudong Ling, Tianxi Huang, Qian Dong, Tao He, Chaorong Li, Guiduo Duan,
• Abstract要約: 短期降水は今、本質的に不確実で制約の少ない予測問題である。 本稿では,気象テキストを進化のセマンティック・モーション・制約として扱う言語対応マルチモーダル・ガムキャスティング・フレームワークを提案する。 LangPrecip-160kは160kのレーダーシーケンスと動作記述を備えた大規模マルチモーダルデータセットである。
• 参考スコア（独自算出の注目度）: 25.452955114773488
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Short-term precipitation nowcasting is an inherently uncertain and under-constrained spatiotemporal forecasting problem, especially for rapidly evolving and extreme weather events. Existing generative approaches rely primarily on visual conditioning, leaving future motion weakly constrained and ambiguous. We propose a language-aware multimodal nowcasting framework(LangPrecip) that treats meteorological text as a semantic motion constraint on precipitation evolution. By formulating nowcasting as a semantically constrained trajectory generation problem under the Rectified Flow paradigm, our method enables efficient and physically consistent integration of textual and radar information in latent space.We further introduce LangPrecip-160k, a large-scale multimodal dataset with 160k paired radar sequences and motion descriptions. Experiments on Swedish and MRMS datasets show consistent improvements over state-of-the-art methods, achieving over 60 \% and 19\% gains in heavy-rainfall CSI at an 80-minute lead time.
• Abstract（参考訳）: 短期降水は今、特に急激な進化と極端な気象イベントにおいて、本質的に不確実で制約の少ない時空間予測問題である。 既存の生成的アプローチは主に視覚条件に依存しており、将来の動きは弱く制約があり曖昧である。 本稿では,気象テキストを降水進化のセマンティックな動き制約として扱う言語対応マルチモーダル放送フレームワーク(LangPrecip)を提案する。 Rectified Flowのパラダイムの下で, Nowcasting を意味制約付きトラジェクトリ生成問題として定式化することにより, 遅延空間におけるテキストおよびレーダ情報の効率的かつ物理的に一貫した統合を可能にし, さらに160k対のレーダシーケンスと動作記述を備えた大規模マルチモーダルデータセットである LangPrecip-160k を導入する。 スウェーデンとMRMSデータセットの実験では、最先端の手法よりも一貫した改善が見られ、80分間のリードタイムで、重雨のCSIで60 %以上、19 %以上のゲインを達成した。

関連論文リスト

• Nowcast3D: Reliable precipitation nowcasting via gray-box learning [43.74533335638689]
  極端降水は高次元の忠実度とリードタイムを要求されるが、既存のアプローチは限られている。 我々は、レーダの動きと、データ駆動学習を伴う物理的に制約されたニューラル演算子を直接処理する、グレーボックスで完全な3時間放送フレームワークを導入する。 このフレームワークは、160人の気象学者によるブラインド評価において、より正確な3時間のリードタイムを達成する。
  論文  参考訳（メタデータ） (2025-11-06T18:44:35Z)
• RainDiff: End-to-end Precipitation Nowcasting Via Token-wise Attention Diffusion [64.49056527678606]
  本稿では,U-Net拡散モデルだけでなく,レーダ時間エンコーダにも統合されたトークンワイドアテンションを提案する。 従来の手法とは異なり,本手法は,画素空間拡散の典型的な高資源コストを発生させることなく,アーキテクチャに注意を集中させる。 実験と評価により,提案手法は複雑な降水予測シナリオにおいて,最先端の手法,ロバストネスの局所的忠実度,一般化,優位性を著しく上回ることを示した。
  論文  参考訳（メタデータ） (2025-10-16T17:59:13Z)
• 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)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)

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。