論文の概要: McCast: Memory-Guided Latent Drift Correction for Long-Horizon Precipitation Nowcasting

• arxiv url: http://arxiv.org/abs/2605.13197v1
• Date: Wed, 13 May 2026 08:51:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.927531
• Title: McCast: Memory-Guided Latent Drift Correction for Long-Horizon Precipitation Nowcasting
• Title（参考訳）: McCast: 長期降水開始時のメモリ駆動型遅延ドリフト補正
• Authors: Penghui Wen, Yu Luo, Lintao Wang, Mengwei He, Patrick Filippi, Thomas Francis Bishop, Zhiyong Wang,
• Abstract要約: McCast は降水流のメモリ誘導型遅延ドリフト補正法である。 遅延進化を明示的に補正することで、ステップワイズ予測の精度を向上する代わりに、マッカーストは時間的に整合性があり信頼性の高いロングホライゾン予測を生成する。
• 参考スコア（独自算出の注目度）: 13.733685380696022
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing precipitation nowcasting methods typically adopt an autoregressive formulation, where future states are predicted from previous outputs. However, such an approach accumulates errors over long rollouts, causing forecasts to drift away from physically plausible evolution trajectories. Although various studies have attempted to alleviate this problem by improving step-wise prediction accuracy, they largely neglect the global temporal evolution of meteorological systems and lack mechanisms to actively correct drift during rollouts. To address this issue, we propose McCast, a memory-guided latent drift correction method for precipitation nowcasting. Rather than treating memory as an unordered dictionary of latent states for passive conditioning, McCast leverages temporally organized memory to actively correct autoregressive latent evolution. Specifically, McCast introduces a Drift-Corrective Memory Bank (DCBank) that explicitly estimates the temporally consistent drift corrections to calibrate the divergent trajectory. DCBank performs drift correction in two stages: a Corrective Latent Extractor first predicts an initial correction from the current prediction and a reference latent state, and a Correction-Aware Memory Retrieval module then refines the initial correction using temporally organized historical memory. By explicitly correcting latent evolution, instead of improving step-wise prediction accuracy only, McCast produces more temporally coherent and reliable long-horizon forecasts. Experiments on two widely used benchmarks, SEVIR and MeteoNet, show that McCast achieves state-of-the-art performance, particularly in challenging long-horizon forecasting scenarios.
• Abstract（参考訳）: 既存の降水流速計では、従来の出力から将来の状態を予測する自己回帰式を用いるのが一般的である。 しかし、このようなアプローチは長いロールアウトでエラーを蓄積し、予測は物理的にもっともらしい進化軌道から逸脱する。 様々な研究が段階的に予測精度を改善してこの問題を緩和しようと試みているが、気象システムのグローバルな時間的進化を無視し、ロールアウト時のドリフトを積極的に補正するメカニズムを欠いている。 この問題に対処するため,我々は,降水流に対するメモリ誘導型遅延ドリフト補正手法であるMcCastを提案する。 メモリを受動的条件付けのための潜在状態の非順序辞書として扱うのではなく、時間的に整理されたメモリを活用して、自己回帰的潜在状態の進化を積極的に補正する。 具体的には、Drift-Corrective Memory Bank (DCBank)を導入し、時間的に一貫したドリフト補正を明示的に推定し、発散軌道を校正する。 DCBankは、2つの段階においてドリフト補正を行う: 補正潜時エクストラクタは、まず、現在の予測と参照潜時状態から初期修正を予測し、補正対応メモリ検索モジュールは、時間的に整理された履歴記憶を用いて初期修正を洗練する。 遅延進化を明示的に補正することで、ステップワイズ予測の精度を向上する代わりに、マッカーストは時間的に一貫性があり信頼性の高いロングホライゾン予測を生成する。 広く使用されている2つのベンチマークであるSEVIRとMeteoNetの実験は、McCastが最先端のパフォーマンス、特に長期予測シナリオにおいて達成していることを示している。

関連論文リスト

• PnP-Corrector: A Universal Correction Framework for Coupled Spatiotemporal Forecasting [62.22445401483844]
  既存の手法は複雑なエラーのボトルネックによって厳しく制約されている。 我々は-Cast-Corrector (Plug-and-Play Corrector)と呼ばれる普遍的なフレームワークを提案する。 本手法は,結合予測システムの長期安定性を著しく向上させる。
  論文  参考訳（メタデータ） (2026-05-09T13:12:33Z)
• TaPD: Temporal-adaptive Progressive Distillation for Observation-Adaptive Trajectory Forecasting in Autonomous Driving [10.160418242076284]
  軌道予測は自律走行に必須であり、車両は周囲のエージェントの動きを予測できる。 可変履歴長下での観測適応軌道予測のための統一的なプラグアンドプレイフレームワークであるTaPDを提案する。 Argoverse 1 と Argoverse 2 の実験は、TaPD が全ての観測範囲で強い基底線を一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-03-06T12:51:32Z)
• Mitigating Error Accumulation in Continuous Navigation via Memory-Augmented Kalman Filtering [20.380488628232186]
  無人航空機(UAV)にとって連続航法は重要である 既存のVision-Language Navigation (VLN) モデルはデッドレコンディングに従っており、次のウェイポイント予測のためにその位置を反復的に更新し、その後に完全な軌道を構築する。 本研究では,ナビゲーションを2つの補完的なプロセスに分解する新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2026-01-30T05:03:08Z)
• Neural CDEs as Correctors for Learned Time Series Models [0.0]
  本研究では,予測器を学習時系列モデルとし,Correctorをニューラル制御微分方程式とする予測器・コレクタ機構を提案する。 提案したCorrectorは、不規則にサンプリングされた時系列と連続時間および離散時間予測器で動作する。 合成, 物理シミュレーション, 実世界の予測データセットにおいて, 様々な予測器を用いてコレクターを評価した。
  論文  参考訳（メタデータ） (2025-12-13T01:17:05Z)
• Rectifying Distribution Shift in Cascaded Precipitation Nowcasting [1.1724961392643483]
  降水流速計は、現在のレーダー観測を活用して、高潮予報を提供することを目的としている。 局所性の発生から平均場シフトの是正を明確に結合するフレームワークであるRectiを紹介する。 2つのレーダデータセットの実験により、Rectiは既存の最先端メソッドよりも大幅にパフォーマンスが向上していることが示された。
  論文  参考訳（メタデータ） (2025-11-19T02:06:30Z)
• SynCast: Synergizing Contradictions in Precipitation Nowcasting via Diffusion Sequential Preference Optimization [62.958457694151384]
  本研究では,大規模な言語モデルにおける人的フィードバックからの強化学習の成功を動機として,降水量の最適化を初めて導入する。 第一段階では、フレームワークはFARを減らすことに焦点を当て、誤報を効果的に抑えるためにモデルを訓練する。
  論文  参考訳（メタデータ） (2025-10-22T16:11:22Z)
• Adaptive Conformal Prediction Intervals Over Trajectory Ensembles [50.31074512684758]
  将来の軌道は、自律運転、ハリケーン予測、疫病モデルといった領域で重要な役割を果たしている。 本稿では,サンプル軌道を理論的カバレッジ保証付き校正された予測区間に変換する共形予測に基づく統一的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-18T21:14:07Z)
• PostCast: Generalizable Postprocessing for Precipitation Nowcasting via Unsupervised Blurriness Modeling [85.56969895866243]
  本稿では,ぼやけた予測とそれに対応する土台真実のペアによるトレーニングを必要とせずに,ぼやけを解消するための教師なしポストプロセッシング手法を提案する。 非条件相関を任意のぼかしモードに適応させるため、ゼロショットのぼかしカーネル推定機構とオートスケールの denoise ガイダンス戦略を導入する。
  論文  参考訳（メタデータ） (2024-10-08T08:38:23Z)
• Self-Supervised Class-Agnostic Motion Prediction with Spatial and Temporal Consistency Regularizations [53.797896854533384]
  クラスに依存しない動き予測法は点雲全体の動きを直接予測する。 既存のほとんどのメソッドは、完全に教師付き学習に依存しているが、ポイントクラウドデータの手作業によるラベル付けは、手間と時間を要する。 3つの簡単な空間的・時間的正則化損失を導入し,自己指導型学習プロセスの効率化を図る。
  論文  参考訳（メタデータ） (2024-03-20T02:58:45Z)

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。