論文の概要: When the Past Matters: FlashBack Memory for Precipitation Nowcasting

• arxiv url: http://arxiv.org/abs/2606.16342v1
• Date: Mon, 15 Jun 2026 07:45:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 18:36:05.03887
• Title: When the Past Matters: FlashBack Memory for Precipitation Nowcasting
• Title（参考訳）: FlashBack Memory for Precipitation Nowcasting
• Authors: Yuhao Du, Boxiao Huang, Chengrong Wu, Jiankai Zhang,
• Abstract要約: FlashBack Memory (FB) は、主要な履歴状態を動的に取得し、適応的な融合ゲートを介して統合するモジュールである。 実験により,FBはMSE,MAE,SSIM,CSI,降水量,特に高強度降雨量および長周期予測において有意に改善することが示された。 提案手法は, 汎用的で効率的なメモリ拡張機構を提供し, 再帰型ガムキャスティングモデルの全体的な性能を向上させる。
• 参考スコア（独自算出の注目度）: 3.2681365507258886
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate precipitation nowcasting is crucial for disaster mitigation and socio-economic planning, yet existing methods often struggle with false alarms, missed events, and long range dependency modeling at high spatiotemporal resolution. To address these challenges, we propose FlashBack Memory (FB), a module that dynamically retrieves key historical states and integrates them via an adaptive fusion gate, enhancing the spatiotemporal representation capability of recurrent-based models. We incorporate FB into PredRNN, PredRNNpp, MIM, MotionRNN, and PredRNN-V2, and evaluate on CIKM2017, Shanghai2020, and SEVIR datasets. Experimental results demonstrate that FB significantly improves MSE, MAE, SSIM, and CSI metrics, particularly for high-intensity rainfall and long-sequence predictions, while reducing false alarms and missed events and enhancing temporal consistency and spatial localization. The proposed method provides a general and efficient memory enhancement mechanism, improving the overall performance of recurrent-based precipitation nowcasting models.
• Abstract（参考訳）: 正確な降水は今、災害の軽減と社会経済計画に不可欠であるが、既存の手法は、しばしば誤報やイベントの欠落、高時空間分解における長距離依存モデリングに苦しむ。 これらの課題に対処するため、我々はFlashBack Memory (FB) を提案する。このモジュールは、重要な履歴状態を動的に取得し、適応的な融合ゲートを介してそれらを統合し、リカレントベースモデルの時空間表現能力を向上する。 我々は、FBをPredRNN、PredRNNpp、MIM、MotionRNN、PredRNN-V2に組み込み、CIKM2017、上海2020、SEVIRデータセットで評価する。 実験により,FBはMSE,MAE,SSIM,CSIの指標,特に高強度降雨および長周期予測において有意に改善し,誤報やイベントの欠落を低減し,時間的整合性と空間的局所性の向上を図った。 提案手法は汎用的で効率的なメモリ拡張機構を提供し,再帰型降水流速モデルの性能を向上させる。

関連論文リスト

• MEMTS: Internalizing Domain Knowledge via Parameterized Memory for Retrieval-Free Domain Adaptation of Time Series Foundation Models [51.506429027626005]
  Memory for Time Series (MEMTS) は、時系列予測における検索不要領域適応のための軽量かつプラグアンドプレイ方式である。 MEMTSの鍵となるコンポーネントは知識永続化モジュール(KPM)であり、ドメイン固有の時間力学を内部化する。 このパラダイムシフトにより、MEMTSは定数時間推論とニアゼロレイテンシによる正確なドメイン適応を実現することができる。
  論文  参考訳（メタデータ） (2026-02-14T14:00:06Z)
• TS-Memory: Plug-and-Play Memory for Time Series Foundation Models [63.21390142212087]
  Time Series Foundation Models (TSFM) は大規模な事前訓練を通じて強力なゼロショット予測を実現する。 パラメトリック適応は破滅的な忘れを招き、非パラメトリック検索は予測を改善するが、データストア検索によってレイテンシが高くなる。 本稿では, TSFM を拡張した軽量メモリアダプタ TS-Memory としてParametric Memory Distillation を提案し,実装する。
  論文  参考訳（メタデータ） (2026-02-12T04:16:19Z)
• 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)
• Elucidated Rolling Diffusion Models for Probabilistic Weather Forecasting [52.6508222408558]
  Eucidated Rolling Diffusion Models (ERDM)を紹介する。 ERDMはEucidated Diffusion Models (EDM) の原理的, 性能的設計とローリング予測構造を統一する最初のフレームワークである 2D Navier-StokesシミュレーションとERA5グローバル気象予報の1.5円解像度では、ERDMはキー拡散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） (2025-06-24T21:44:31Z)
• Inference-Time Gaze Refinement for Micro-Expression Recognition: Enhancing Event-Based Eye Tracking with Motion-Aware Post-Processing [2.5465367830324905]
  イベントベースの視線追跡は、きめ細かい認知状態の推測に重要な可能性を秘めている。 本稿では、既存の事象に基づく視線推定モデルの出力を高めるために、モデルに依存しない推論時間改善フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-14T14:48:11Z)
• 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)
• RAP-Net: Region Attention Predictive Network for Precipitation Nowcasting [15.587959542301789]
  予測を改善するためにリコール注意機構(RAM)を提案する。 実験の結果,提案する領域注意予測ネットワーク(RAP-Net)は最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-10-03T15:55:18Z)

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。