Fugu-MT 論文翻訳(概要): Digital Typhoon Dataset V3: Benchmarking for Multi-spectral Extension and Analyzing Systematic Bias in Intensity Regression

論文の概要: Digital Typhoon Dataset V3: Benchmarking for Multi-spectral Extension and Analyzing Systematic Bias in Intensity Regression

arxiv url: http://arxiv.org/abs/2610.21654v1
Date: Thu, 15 Oct 2026 10:33:44 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-17 06:09:33.026499
Title: Digital Typhoon Dataset V3: Benchmarking for Multi-spectral Extension and Analyzing Systematic Bias in Intensity Regression
Title（参考訳）: Digital Typhoon Dataset V3:マルチスペクトル拡張のためのベンチマークとインテンシティ回帰における系統バイアスの解析
Abstract要約: 本稿では,50年近くに及ぶ台風衛星画像データセットの新バージョンを提案する。本研究では,北半球と南半球におけるデータ分割戦略とベンチマーク結果について検討する。我々は,強度回帰の系統的偏りを分析し,強い台風の強度の過小評価を導いた。
参考スコア（独自算出の注目度）: 0.5165197701532133
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents the Digital Typhoon Dataset V3, a new version of the longest typhoon satellite image dataset spanning nearly 50 years, designed to benchmark machine learning models on long-term spatio-temporal data. The latest addition to Dataset V3 is multispectral satellite data, enabling multi-channel models. We investigate data-splitting strategies and present benchmarking results for the Northern and Southern Hemispheres. Experimental results show that, under the current dataset construction and experimental setting, multi-channel inputs do not clearly outperform single-channel inputs for pressure regression. Among the evaluated model architectures, image types, and spectral channels, ResNet-18, full-resolution images, and Channel 1 generally provide the best single-channel performance for pressure regression. Performance also differs between the WP and AU datasets by regression target, with lower RMSE on WP for pressure regression and on AU for wind regression. These results highlight the importance of considering dataset-specific and task-specific characteristics when interpreting benchmark performance. Additionally, we analyzed systematic bias in intensity regression, which leads to underestimation of intensity for strong typhoons. We tested imbalance-aware weighting strategies, including inverse-density weighting inspired by BalancedMSE, and showed that these approaches are not sufficient to remove the bias. The dataset is publicly available at http://agora.ex.nii.ac.jp/digital-typhoon/dataset/ and https://github.com/kitamoto-lab/digital-typhoon/.
Abstract（参考訳）: 本稿では,50年近くに及ぶ最長の台風衛星画像データセットの新バージョンであるDigital Typhoon Dataset V3を提案する。 Dataset V3への最新の追加は、マルチスペクトル衛星データであり、マルチチャネルモデルを可能にする。本研究では,北半球と南半球におけるデータ分割戦略とベンチマーク結果について検討する。実験結果から、現在のデータセット構築と実験環境下では、マルチチャネル入力は圧力回帰のためにシングルチャネル入力よりも明らかに優れていないことが示された。評価されたモデルアーキテクチャ、画像タイプ、スペクトルチャネル、ResNet-18、フル解像度イメージ、チャネル1は、一般的に圧力回帰のための最高のシングルチャネル性能を提供する。また、WP と AU のデータセットは回帰目標によって異なるが、WP の RMSE は圧力回帰に、AU は風回帰にそれぞれ低い。これらの結果は、ベンチマークのパフォーマンスを解釈する際に、データセット固有の特徴とタスク固有の特徴を考慮することの重要性を強調している。さらに, 強度回帰の系統的バイアスを解析し, 強い台風の強度の過小評価を導いた。 BalancedMSEにインスパイアされた逆密度重み付けを含む、不均衡を考慮した重み付け手法を検証したところ、これらの手法はバイアスを取り除くには不十分であることが判明した。データセットはhttp://agora.ex.nii.ac.jp/digital-typhoon/dataset/とhttps://github.com/kitamoto-lab/digital-typhoon/で公開されている。

関連論文リスト

Benchmarking Generative Models for Near-Surface Data Assimilation on Real Station Observations [6.656395692721108]
本稿では,気象観測所の観測から得られた1時間近地解析のための生成データ同化の最初のベンチマークを示す。このベンチマークは、従来の3D-Varベースラインに対して生成データ同化のために提案された主要な設計選択と比較する。完全な段階的なガイダンスは、停止段階と初期ノイズ最適化を一貫して上回る。
論文参考訳（メタデータ） (2026-09-30T21:18:39Z)
Earth System Foundation Model (ESFM): A unified framework for heterogeneous data integration and forecasting [52.53742727060265]
地球系の基礎モデル(FM)は、大量のデータセットにわたる物理変数間の統計的関係を学習する。本稿では,アース・システム・ファンデーション・モデル(ESFM)について紹介する。本研究では,高密度グリッドデータ (ERA5, CMIP6) , 地域密集データ, 疎グリッドMODIS衛星データ, 局データを用いた。結果は、最先端のベンチマークと比較して、競争力や優れたパフォーマンスを示している。
論文参考訳（メタデータ） (2026-04-20T11:40:39Z)
Echo State Networks for Time Series Forecasting: Hyperparameter Sweep and Benchmarking [51.56484100374058]
我々は、完全に自動で純粋にフィードバック駆動のESNが、広く使われている統計的予測手法の代替となるかどうかを評価する。予測精度は、MASEとsMAPEを用いて測定され、ドリフトや季節予測、統計モデルといった単純なベンチマークと比較される。
論文参考訳（メタデータ） (2026-02-03T16:01:22Z)
Rethinking Long-tailed Dataset Distillation: A Uni-Level Framework with Unbiased Recovery and Relabeling [105.8570596633629]
トラジェクトリに基づく手法の限界を再考することにより,長い尾のデータセット蒸留を再考する。統計的アライメントの観点からバイアスをモデル化し、公正な監督を復元する。提案手法は,CIFAR-100-LTで15.6%,Tiny-ImageNet-LTで11.8%向上する。
論文参考訳（メタデータ） (2025-11-24T07:57:01Z)
Evaluation of Machine and Deep Learning Techniques for Cyclone Trajectory Regression and Status Classification by Time Series Data [0.0]
従来の数値天気予報モデルは、計算集約的であり、大気系のカオス的な性質のためにエラーを起こしやすい。本研究では,全国ハリケーンセンターの時系列データを用いて,熱帯性サイクロン軌道の予測と状況に対する機械学習(ML)アプローチを提案する。
論文参考訳（メタデータ） (2025-09-29T00:51:07Z)
Efficient Self-Supervised Learning for Earth Observation via Dynamic Dataset Curation [67.23953699167274]
自己教師付き学習(SSL)により、地球観測のための視覚基盤モデルの開発が可能になった。 EOでは、この課題は衛星画像に共通する冗長性と重尾分布によって増幅される。本稿では,データセットの多様性とバランスを最大化し,SSL事前トレーニングを改善するために設計された動的データセットプルーニング戦略を提案する。
論文参考訳（メタデータ） (2025-04-09T15:13:26Z)
DispFormer: A Pretrained Transformer Incorporating Physical Constraints for Dispersion Curve Inversion [56.64622091009756]
本研究では、レイリー波位相と群分散曲線からプロファイルインバージョンを$v_s$とするトランスフォーマーベースのニューラルネットワークであるDispFormerを紹介する。 DispFormerは各期間に分散データを個別に処理し、ネットワークの変更やデータセットのトレーニングとテストの厳格な調整を必要とせずに、さまざまな長さを処理できる。
論文参考訳（メタデータ） (2025-01-08T09:08:24Z)
Machine Learning for the Digital Typhoon Dataset: Extensions to Multiple Basins and New Developments in Representations and Tasks [0.30723404270319693]
本稿では,長期的データを対象とした機械学習モデルを対象として,40年以上にわたって最長の台風衛星画像データセットの新バージョンを提案する。データセットV2に新たに追加されたのは、南半球の熱帯サイクロンデータである。 2つの半球からのデータを持つことで、盆地と半球間の地域差について、新たな研究をすることができる。
論文参考訳（メタデータ） (2024-11-25T14:25:39Z)
Digital Typhoon: Long-term Satellite Image Dataset for the Spatio-Temporal Modeling of Tropical Cyclones [0.907599024697789]
本稿では,40年以上にわたる台風衛星画像データセットの公開について述べる。長期的データに対する機械学習モデルのベンチマークを目的としている。データセットはhttp://agora.nii.ac.jp/digital-typhoon/で公開されている。
論文参考訳（メタデータ） (2023-11-05T14:22:13Z)

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。