論文の概要: PrecipJEPA: JEPA-Regularized Future-State Prediction with Motion-Source Rendering for Precipitation Nowcasting

• arxiv url: http://arxiv.org/abs/2609.38926v1
• Date: Wed, 30 Sep 2026 04:08:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.159072
• Title: PrecipJEPA: JEPA-Regularized Future-State Prediction with Motion-Source Rendering for Precipitation Nowcasting
• Title（参考訳）: PrecipJEPA:JEPA-regularized Future-State Prediction with Motion-Source Rendering for Precipitation Nowcasting
• Abstract要約: PrecipJEPAは、オンラインエンコーダのレーダー履歴を充実させる補助経路を備えた構造化予測パスである。 最高水準のCSIをそれぞれ118.6%、35.1%改善し、最強のベースラインとなった。 平均CSIは3時間にわたって最高水準を維持している。
• 参考スコア（独自算出の注目度）: 4.014984245110947
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-term precipitation nowcasting requires modeling radar-echo evolution while preserving localized high-intensity structures. Recent radar-specific studies motivate location-aware prediction and separating echo displacement from intensity change. However existing encoders learn historical representations mainly from final forecast errors. We propose PrecipJEPA, which couples a structured forecasting path with an auxiliary path that enriches its encoder from observed radar history. In the forecasting path, an online encoder first converts the observations into spatiotemporal tokens. The Task-Driven Future-State Predictor (TFP) combines these tokens with a recent-dynamics summary and spatiotemporal queries to construct future radar states. The Parallel Motion-Source Renderer (PMSR) decodes these states into motion and source-sink fields that transform the latest observation into future frames. During joint training, the History-Masked JEPA (H-JEPA) operates on the auxiliary path to predict masked historical features from visible context, directly supervising the same online encoder from the observed sequence. Experiments on SEVIR and MeteoNet show that PrecipJEPA improves highest-threshold CSI by 118.6% and 35.1%, respectively, over the strongest baselines, while maintaining the highest mean CSI throughout the 3-hour forecast.
• Abstract（参考訳）: 長期降水は今、局部的な高強度構造を維持しながらレーダーエコ進化をモデル化する必要がある。 最近のレーダー特異的研究は、位置認識予測を動機付け、エコー変位を強度変化から分離している。 しかし、既存のエンコーダは、主に最終予測誤差から歴史的表現を学ぶ。 本稿では,観測されたレーダ履歴からエンコーダを増強する補助経路と,構造化予測経路を結合したPrecipJEPAを提案する。 予測パスでは、オンラインエンコーダがまず観測結果を時空間トークンに変換する。 Task-Driven Future-State Predictor (TFP)はこれらのトークンと最近の動的サマリと時空間クエリを組み合わせて将来のレーダ状態を構築する。 Parallel Motion-Source Renderer (PMSR) はこれらの状態をモーションフィールドとソースシンクフィールドにデコードし、最新の観測結果を将来のフレームに変換する。 共同トレーニング中、History-Masked JEPA (H-JEPA) は、観察されたシーケンスから同じオンラインエンコーダを直接監視し、視覚的コンテキストからマスク付き歴史的特徴を予測する補助経路を運用している。 SEVIR と MeteoNet の実験では、PrecipJEPA は最高閾値の CSI をそれぞれ 118.6% と 35.1% に改善し、3時間平均の CSI を3時間にわたって維持している。

関連論文リスト

• FreCast: Refining Radar Echo Intensity via Phase-Preserving Amplitude Residual Diffusion for Precipitation Nowcasting [2.3055976924348394]
  本稿では,レーダエコー予測のための2段階フレームワークFreCastを提案する。 第1段階は、将来のレーダーエコーの最初の予測を生成する。 第2段階では、初期予測の空間構造を、さらなる強度バイアスの補正の制約として用いる。
  論文  参考訳（メタデータ） (2026-08-09T03:08:25Z)
• High-Dynamic Radar Sequence Prediction for Weather Nowcasting Using Spatiotemporal Coherent Gaussian Representation [12.728487182462157]
  天気予報における3次元レーダシークエンス予測のための包括的フレームワークを提案する。 動的レーダ表現には新たに提案したスペーシコヒーレント・ガウシアン・スプレイティング(STC-GS)と,効率的かつ正確な予測にはガウマンバを用いる。 実験により,STC-GSは既存の3次元表現法と比較して16時間以上の空間分解能を持つ3次元レーダシーケンスを効率よく表現できることが示された。
  論文  参考訳（メタデータ） (2025-02-17T19:00:02Z)
• HPNet: Dynamic Trajectory Forecasting with Historical Prediction Attention [76.37139809114274]
  HPNetは、新しい動的軌道予測手法である。 逐次予測間の動的関係を自動的に符号化する履歴予測アテンションモジュールを提案する。 私たちのコードはhttps://github.com/XiaolongTang23/HPNetで利用可能です。
  論文  参考訳（メタデータ） (2024-04-09T14:42:31Z)
• Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
  都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。 我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。 将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
  論文  参考訳（メタデータ） (2024-04-08T09:13:16Z)
• Streaming Motion Forecasting for Autonomous Driving [71.7468645504988]
  ストリーミングデータにおける将来の軌跡を問うベンチマークを導入し,これを「ストリーミング予測」と呼ぶ。 我々のベンチマークは本質的に、スナップショットベースのベンチマークでは見過ごされていない安全上の問題であるエージェントの消失と再出現を捉えている。 我々は,任意のスナップショットベースの予測器をストリーミング予測器に適応させることのできる,"Predictive Streamer"と呼ばれるプラグアンドプレイメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-02T17:13:16Z)
• A Novel Deep Neural Network for Trajectory Prediction in Automated Vehicles Using Velocity Vector Field [12.067838086415833]
  本稿では,データ駆動学習に基づく手法と,自然に着想を得た概念から生成された速度ベクトル場(VVF)を組み合わせた軌道予測手法を提案する。 精度は、正確な軌道予測のための過去の観測の長い歴史の要求を緩和する観測窓の減少と一致している。
  論文  参考訳（メタデータ） (2023-09-19T22:14:52Z)
• ARFA: An Asymmetric Receptive Field Autoencoder Model for Spatiotemporal Prediction [55.30913411696375]
  本稿では,非対称な受容場オートエンコーダ (ARFA) モデルを提案する。 エンコーダでは,大域的時間的特徴抽出のための大規模なカーネルモジュールを提案し,デコーダでは局所的時間的再構成のための小さなカーネルモジュールを開発する。 降水予測のための大規模レーダエコーデータセットであるRainBenchを構築し,その領域における気象データの不足に対処する。
  論文  参考訳（メタデータ） (2023-09-01T07:55:53Z)
• Deep Learning for Rain Fade Prediction in Satellite Communications [6.619650459583444]
  視線衛星システム、無人航空機、高高度プラットフォーム、マイクロ波リンクは雨の影響を受けやすい。 これらのシステムの降雨量予測は、降雨量発生前の地上ゲートウェイを積極的に切り替えてシームレスなサービスを維持するために重要である。 衛星画像データとレーダー画像データとリンク電力測定を用いて将来の雨害を予測するディープラーニングアーキテクチャが提案されている。
  論文  参考訳（メタデータ） (2021-10-02T00:43:02Z)
• Inverting the Pose Forecasting Pipeline with SPF2: Sequential Pointcloud Forecasting for Sequential Pose Forecasting [106.3504366501894]
  自動運転車やロボット操作システムは、オブジェクトを最初に検出して追跡することによって、将来のオブジェクトのポーズを予測することが多い。 ポーズ予測アルゴリズムは通常、オブジェクトのポーズのラベル付きシーケンスを必要とするため、このパイプラインはスケールするのに費用がかかる。 本稿では,まず3次元センサデータを予測し,予測点雲列上の物体を検知・追跡し,将来的なポーズを求めることを提案する。 これにより、センサーデータ予測タスクにラベルが不要であるため、予測のスケールが難しくなる。
  論文  参考訳（メタデータ） (2020-03-18T17:54:28Z)

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。