論文の概要: Beyond Pointwise Error: A Multi-Metric Evaluation of Spatial Climate Downscaling
- arxiv url: http://arxiv.org/abs/2610.01579v1
- Date: Thu, 01 Oct 2026 12:35:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:24.115874
- Title: Beyond Pointwise Error: A Multi-Metric Evaluation of Spatial Climate Downscaling
- Title（参考訳）: ポイントワイドエラーを超えて:空間的気候下降のマルチメトリック評価
- Abstract要約: 気候下降は、粗い解像度の入力から微小な空間場を再構築することを目的としている。
低点誤差はスケールのばらつきを犠牲にでき、現実的な空間的変動は不正確な局所構造で達成できる。
本研究は, ERA5温度, 風, 降水場における5つの空間ダウンスケーリング手法を比較したマルチメトリック・ベンチマークを示す。
- 参考スコア（独自算出の注目度）: 0.8594140167290097
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Climate downscaling aims to reconstruct fine scale spatial fields from coarse resolution inputs. Evaluating the quality of these reconstructions is challenging: low pointwise error can come at the cost of fine scale variability, while realistic spatial variability can be achieved with inaccurate local structures. The evaluation metric can therefore change which method appears to perform best. This work presents a multi metric benchmark comparing five spatial downscaling methods on ERA5 temperature, wind, and precipitation fields. Five criteria assess complementary properties: pointwise error, structural similarity, distribution error, spectral error, and gradient error. The results reveal a systematic trade off between spatial fidelity and fine scale variability. Some methods perform best on pointwise and spatially aligned metrics, but lose high frequency content, while others preserve substantially more spectral variability at the cost of less accurately positioned local structures. Consequently, method rankings change across metrics and variables. These results show that there is no single best downscaling method. Multi metric evaluation is therefore essential for assessing which properties of a climate field are preserved.
- Abstract（参考訳）: 気候下降は、粗い解像度の入力から微小な空間場を再構築することを目的としている。
これらの再現の質を評価することは困難であり、低点誤りはスケールのばらつきを犠牲にでき、現実的な空間的変動は不正確な局所構造で達成できる。
したがって、評価基準はどの手法が最善であるかを変えることができる。
本研究は, ERA5温度, 風, 降水場における5つの空間ダウンスケーリング手法を比較したマルチメトリック・ベンチマークを示す。
5つの基準は相補的特性(ポイントワイド誤差、構造的類似性、分布誤差、スペクトル誤差、勾配誤差)を評価する。
その結果,空間的忠実度と微視的変動率との体系的なトレードオフが明らかになった。
いくつかの手法は、ポイントワイドで空間的に整合した測定値において最高に機能するが、高頻度のコンテンツは失われる一方、より正確に位置決めされた局所構造を犠牲にして、かなりスペクトルのばらつきが保たれる。
その結果、メソッドのランキングはメトリクスや変数によって変わる。
これらの結果から,最良スケール法は存在しないことが明らかとなった。
したがって、気候特性の保持度を評価するためには、マルチメトリック評価が不可欠である。
関連論文リスト
- PosteriorBench: From Point Estimates to Posterior Matching in Evaluating Generative Inverse Solvers [58.87583368961845]
PosteriorBenchは、生成的逆解器の分布精度を評価するためのベンチマークである。
ダーシーフローの逆転、ポアソン源の回復、炭素捕獲と貯蔵、光輸送物質推論の4つの物理に基づく逆問題を評価する。
論文 参考訳（メタデータ） (2026-09-17T17:54:12Z) - Pointwise Metrics Mislead: An Evaluation Protocol for Multimodal Inverse Problems [33.72751145910978]
マルチモーダル後部における逆問題に対して,低い誤差がより良い再構成を意味するという暗黙の仮定が構造的に失敗することを示す。
本稿では,各ステップがフェールモードを目標とし,他のステップが見逃すような3部評価プロトコルを提案する。
論文 参考訳（メタデータ） (2026-05-21T13:30:33Z) - Discovery of Hidden Miscalibration Regimes [52.452902154360565]
モデルは何らかの入力を体系的に過信し、他人を過信することがある。
対応する誤校正分野を定義し,それを推定するための診断フレームワークを提案する。
提案手法は,入力空間のキャリブレーションを意識した表現を学習し,学習幾何学におけるカーネルの平滑化による符号付き局所的誤校正を推定する。
論文 参考訳（メタデータ） (2026-05-13T13:07:50Z) - Spatially-Aware Evaluation Framework for Aerial LiDAR Point Cloud Semantic Segmentation: Distance-Based Metrics on Challenging Regions [2.6663179280715297]
セマンティックセグメンテーションモデルを2つの相補的アプローチで比較するための新しい評価フレームワークを提案する。
まず,各不等分点と最寄りの接地点との空間的ずれを考慮に入れた距離に基づく測度を導入する。
第2に、評価されたモデルの少なくとも1つによって誤って分類された点として定義される、ハードポイントの共通部分集合に対する集中的評価を提案する。
論文 参考訳（メタデータ） (2026-03-23T18:00:37Z) - MS-ISSM: Objective Quality Assessment of Point Clouds Using Multi-scale Implicit Structural Similarity [65.85858856481131]
点雲の非構造的で不規則な性質は、客観的品質評価(PCQA)に重大な課題をもたらす
マルチスケールインシシシット構造類似度測定(MS-ISSM)を提案する。
論文 参考訳（メタデータ） (2026-01-03T14:58:52Z) - A Novel Distance-Based Metric for Quality Assessment in Image Segmentation [0.7673339435080445]
本稿では,新しい距離ベース品質指標であるSurface Consistency Coefficient (SCC)を紹介する。
SCCは、その構造表面への近接に基づいて誤差の空間分布を定量化する。
本研究では,表面近傍の誤差と遠方での誤差を区別する上で,SCCの堅牢性と有効性を示す。
論文 参考訳（メタデータ） (2025-03-28T12:02:09Z) - Unsupervised Landmark Discovery Using Consistency Guided Bottleneck [63.624186864522315]
画像再構成に基づくパイプラインに一貫性のあるボトルネックを導入する。
本稿では,画像間のランドマーク対応を形成することによって,擬似スーパービジョンを得る手法を提案する。
この一貫性は、アダプティブ・ヒートマップの生成において発見されたランドマークの不確かさを変調する。
論文 参考訳（メタデータ） (2023-09-19T10:57:53Z) - SortedAP: Rethinking evaluation metrics for instance segmentation [8.079566596963632]
既存のメトリクスのほとんどは、セグメンテーション品質の限定的な解像度を持っていることを示す。
そこで我々は,オブジェクトレベルの不完全度と画素レベルの不完全度の両方で厳格に減少する sortedAP という新しい指標を提案する。
論文 参考訳（メタデータ） (2023-09-09T22:50:35Z) - A Generalized Surface Loss for Reducing the Hausdorff Distance in
Medical Imaging Segmentation [1.2289361708127877]
本研究では,現在の手法よりも望ましい数値特性を持つハウスドルフ測度を最小化する新しい損失関数を提案する。
我々の損失関数は、最先端のnnUNetアーキテクチャを用いてLiTSとBraTSデータセットでテストした場合、他の損失よりも優れています。
論文 参考訳（メタデータ） (2023-02-08T04:01:42Z) - Learning Conditional Invariance through Cycle Consistency [60.85059977904014]
本稿では,データセットの変動の有意義な要因と独立な要因を識別する新しい手法を提案する。
提案手法は,対象プロパティと残りの入力情報に対する2つの別個の潜在部分空間を含む。
我々は,より意味のある因子を同定し,よりスペーサーや解釈可能なモデルに導く合成および分子データについて実証する。
論文 参考訳（メタデータ） (2021-11-25T17:33:12Z) - A Look at the Evaluation Setup of the M5 Forecasting Competition [2.055054374525828]
M5誤差尺度の評価設定について検討した。
不安定性の主要な要因は階層的な集約とスケーリングである。
これらの知見の多くは、一般的な階層的予測ベンチマークに応用できる。
論文 参考訳（メタデータ） (2021-08-08T08:32:15Z)
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。