論文の概要: OptFormer: Optical Flow-Guided Attention and Phase Space Reconstruction for SST Forecasting
- arxiv url: http://arxiv.org/abs/2601.06078v1
- Date: Mon, 29 Dec 2025 22:27:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-25 16:54:51.626209
- Title: OptFormer: Optical Flow-Guided Attention and Phase Space Reconstruction for SST Forecasting
- Title（参考訳）: OptFormer:SST予測のための光フロー誘導アテンションと位相空間再構成
- Authors: Yin Wang, Chunlin Gong, Zhuozhen Xu, Lehan Zhang, Xiang Wu,
- Abstract要約: 本稿では,位相空間再構成とフローによって誘導される動き認識型アテンション機構を統合した新しい光エンコーダデコーダモデルであるOptFormerを提案する。
NOAA SSTデータセットを複数の空間スケールで実験した結果、OptFormerは1:1のトレーニング・トゥ・プレディション・セッティングで優れたパフォーマンスを達成した。
- 参考スコア（独自算出の注目度）: 4.206799880454911
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sea Surface Temperature (SST) prediction plays a vital role in climate modeling and disaster forecasting. However, it remains challenging due to its nonlinear spatiotemporal dynamics and extended prediction horizons. To address this, we propose OptFormer, a novel encoder-decoder model that integrates phase-space reconstruction with a motion-aware attention mechanism guided by optical flow. Unlike conventional attention, our approach leverages inter-frame motion cues to highlight relative changes in the spatial field, allowing the model to focus on dynamic regions and capture long-range temporal dependencies more effectively. Experiments on NOAA SST datasets across multiple spatial scales demonstrate that OptFormer achieves superior performance under a 1:1 training-to-prediction setting, significantly outperforming existing baselines in accuracy and robustness.
- Abstract（参考訳）: 海面温度(SST)予測は、気候モデリングと災害予測において重要な役割を果たす。
しかしながら、非線形時空間力学と拡張予測地平線のため、これは依然として挑戦的である。
そこで本研究では,位相空間再構成と光フローで誘導される動き認識型アテンション機構を統合した,新しいエンコーダデコーダモデルであるOpsFormerを提案する。
従来の注目とは違って,本手法はフレーム間の動きの手がかりを利用して空間の相対的な変化を強調し,モデルが動的領域に集中し,より効果的に長距離時間依存性を捉えることを可能にする。
NOAA SSTデータセットを複数の空間スケールで実験したところ、OptFormerは1:1のトレーニング・トゥ・プレディション・セッティングで優れたパフォーマンスを示し、精度とロバスト性において既存のベースラインを大幅に上回っている。
関連論文リスト
- 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) - A Deep Learning Approach for Spatio-Temporal Forecasting of InSAR Ground Deformation in Eastern Ireland [2.840858735842673]
地盤変位のモニタリングは、都市インフラと地質学的危険の軽減に不可欠である。
本稿では,スパース点計測を高密度時間テンソルに変換する新しいディープラーニングフレームワークを提案する。
その結果,提案アーキテクチャはより正確で空間的に整合性のある予測を提供することを示した。
論文 参考訳（メタデータ） (2025-09-17T17:10:18Z) - Transformer with Koopman-Enhanced Graph Convolutional Network for Spatiotemporal Dynamics Forecasting [12.301897782320967]
TK-GCNは、幾何学的空間符号化と長距離時間モデリングを統合した2段階のフレームワークである。
我々は,TK-GCNが予測地平線全体にわたって優れた予測精度を提供することを示す。
論文 参考訳（メタデータ） (2025-07-05T01:26:03Z) - STFM: A Spatio-Temporal Information Fusion Model Based on Phase Space Reconstruction for Sea Surface Temperature Prediction [7.925940960061756]
本研究では,データ駆動技術のみに基づく予測フレームワークを提案する。
従来のモデルとは異なり,本手法は位相空間再構成によりSSTのダイナミックスを効率的に捕捉する。
論文 参考訳（メタデータ） (2025-04-23T14:14:59Z) - Perturbed State Space Feature Encoders for Optical Flow with Event Cameras [17.147140984254655]
イベントベースのカメラは、光学的フロー推定のための従来のカメラよりも大きな利点がある。
イベントベースの光フローに採用されている現在のニューラルネットワークは、時間的および空間的推論の制限に直面している。
イベントカメラを用いた多フレーム光フローのための摂動状態空間特徴問題を提案する。
論文 参考訳（メタデータ） (2025-04-14T19:45:07Z) - SFANet: Spatial-Frequency Attention Network for Weather Forecasting [54.470205739015434]
天気予報は様々な分野において重要な役割を担い、意思決定とリスク管理を推進している。
伝統的な手法は、しばしば気象系の複雑な力学を捉えるのに苦労する。
本稿では,これらの課題に対処し,天気予報の精度を高めるための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2024-05-29T08:00:15Z) - 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) - Generative Modeling with Phase Stochastic Bridges [49.4474628881673]
拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。
我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。
我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
論文 参考訳（メタデータ） (2023-10-11T18:38:28Z)
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。