論文の概要: Single-stage joint diffusion of sky images and clear-sky index for ultra-short-term irradiance forecasting: what the frame-to-irradiance stage discards
- arxiv url: http://arxiv.org/abs/2610.21795v1
- Date: Thu, 15 Oct 2026 12:47:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 06:09:33.080291
- Title: Single-stage joint diffusion of sky images and clear-sky index for ultra-short-term irradiance forecasting: what the frame-to-irradiance stage discards
- Title（参考訳）: 超短距離照射予測のためのスカイイメージとクリアスキー指数の単段連成拡散-フレーム・ツー・レージュ・ステージが捨てるもの
- Abstract要約: 2段階の照度予測は、ビデオ予測モデルによって支配される。
本研究では,1つの拡散過程において,将来のスカイイメージとクリアスキー・インデックスのシーケンスを共用する単一ステージの代替手法を提案する。
測定された照度も読み取る決定論的ネットワークは、97.6$W,m$-2$となる。
- 参考スコア（独自算出の注目度）: 0.30586855806896046
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sky-image irradiance forecasting is dominated by a two-stage design: a video-prediction model forecasts future sky frames, and a separately trained regressor maps those frames to irradiance. We propose a single-stage alternative that co-denoises the future sky-image and clear-sky-index sequences in one diffusion process, with an irradiance head that reads a denoised preview of the future sky rather than the noised diffusion state. The forecaster needs no regression stage and runs from sky images and deterministic covariates alone, with no measured irradiance at its input --- the situation at a site with a camera but no pyranometer. On 2023 SIRTA data the model reaches a pooled RMSE of $104.1$~W\,m$^{-2}$ and a skill score of $+0.34$ on the continuous ranked probability score (CRPS) against smart persistence, higher than any of twelve baseline configurations, and retains that skill when retrained on 2021--2022. On the model's own generated frames, a separately trained regressor reaches $150.6$~W\,m$^{-2}$ against the joint head's $104.1$: roughly $46$~W\,m$^{-2}$ that joint training recovers and a cascade discards. Point accuracy is competitive but not best: a deterministic network that also reads measured irradiance attains $97.6$~W\,m$^{-2}$. The model's CRPS skill leads that network's in every sky-condition tertile, by $0.26$ to $0.30$.
- Abstract（参考訳）: ビデオ予測モデルは将来のスカイフレームを予測し、個別に訓練された回帰器はこれらのフレームを照射にマッピングする。
本研究では,1つの拡散過程において,将来のスカイイメージとクリアスキーインデックスのシーケンスを共用する単一ステージの代替手法を提案し,ノイズ拡散状態ではなく,将来のスカイの復号化プレビューを読み取る照射ヘッドを提案する。
予測装置は回帰段階を必要とせず、天空の画像と決定論的共変器のみから、その入力に測定された光線がない ― カメラのある場所の状況は、ピラノメーターがない。
2023年のSIRTAデータでは、このモデルは104.1$~W\,m$^{-2}$のプールされたRMSEに到達し、2021-2022年に再トレーニングされた場合、12のベースライン構成よりも高く、連続的なランク付け確率スコア(CRPS)に対して、スキルスコアが+0.34$に達する。
モデル独自のフレームでは、個別にトレーニングされた回帰器が150.6$~W\,m$^{-2}$で、ジョイントヘッドの104.1$:約46$~W\,m$^{-2}$で、ジョイントトレーニングが回復しカスケードが破棄される。
点精度は競争力があるが、最善ではない: 測定された照度も 97.6$~W\,m$^{-2}$ に達する決定論的ネットワーク。
このモデルのCRPSスキルは、すべての空調タータイルのネットワークを0.26ドルから0.30ドルに下げる。
関連論文リスト
- Synthetic-to-Real ViT-Based Pose Estimation of a Noncooperative UAV [0.0]
本研究では,視覚変換器(ViT)を用いた単眼UAVポーズ推定モデルの合成と現実の一般化能力について検討する。
提案手法は自己監督型DINOv2バックボーンを用いており、ラベル付き合成画像にのみ訓練されている。
論文 参考訳（メタデータ） (2026-10-03T06:59:23Z) - A JEPA Recipe for Tabular Foundation Models [0.0]
共同埋め込み予測アーキテクチャ(JEPA)のレシピを示す。
アーム毎に1回の実行で、JEPAアームは147の実際のデータセットに価値のみのアームをパスする。
JEPAアームは価値のみのアーム(ds)の1.42倍のステップと壁面時計の1.66倍のステップを必要とする。
論文 参考訳（メタデータ） (2026-09-22T01:18:41Z) - Interpretable Fuzzy Inference for UAV Target Tracking Using Bounding-Box Geometry [0.528933036850801]
YOLOボックスから抽出した低次元特徴から連続ヨーコマンドを生成する解釈可能なファジィ推論フレームワークを提案する。
その結果、このフレームワークは透過的で、データ効率が高く、計算量も軽量であり、リアルタイムの視覚に基づくUAV誘導に適していることが判明した。
論文 参考訳（メタデータ） (2026-08-04T18:18:29Z) - Round-Trip Consistency: Bidirectional Diffusion Models Can Predict Their Own Rollout Errors [51.56484100374058]
自動回帰モデルは、長時間のロールアウトでエラーを蓄積しますが、デプロイ時には、それを測定するための基本的な真実はありません。
我々は、方向フラグを介して動的システムを前方または後方にステップする単一の条件付き潜在拡散モデルを訓練する。
この双方向性は測定不要なテスト時間誤差信号を提供することを示す。
論文 参考訳（メタデータ） (2026-08-01T13:49:46Z) - Diffusion Transformer World-Action Model for AV Scene Prediction [0.0]
アクションコンディショニングされた世界モデルは、自動運転車が将来のカメラシーンを独自のコントロールから予測することを可能にする。
しかし、コンパクトで訓練可能なスケールでは、未来は曖昧であり、フィールドの標準歪み指標は積極的に誤解を招く。
我々はこれを、冷凍デコーダが最大256倍256ドルフレームを最大8秒前にレンダリングする将来のシーンの潜伏を予測するコンパクトな潜伏世界モデルと対決する。
論文 参考訳（メタデータ） (2026-06-11T07:24:12Z) - Diffusion-Based Generative Priors for Efficient Beam Alignment in Directional Networks [2.1326442458534403]
ビームアライメントは、細いビームが正確かつ低オーバーヘッドのトレーニングを必要とする方向のmmWaveとTHzシステムにおいて重要な課題である。
我々は,ビームアライメントを生成タスクとして再キャストし,コンパクトな幾何学的特徴やマルチパス特徴に先立って確率的ビームを学習する条件拡散モデルを提案する。
論文 参考訳（メタデータ） (2026-03-30T09:21:03Z) - SOTA: Spike-Navigated Optimal TrAnsport Saliency Region Detection in Composite-bias Videos [50.51658520045165]
Spike-d TrAnsport Saliency Region Detection (SOTA)は、スパイクカメラの強度を活用しつつ、空間次元と時間次元の両方のバイアスを緩和するフレームワークである。
本手法では,微妙なフレーム・ツー・フレームの変動を捉えるために,スパイクに基づくマイクロデビア(SM)を導入する。
SOTAは様々な条件にまたがる不整合を減らして予測を洗練させる。
論文 参考訳（メタデータ） (2025-05-01T08:30:40Z) - CLIPure: Purification in Latent Space via CLIP for Adversarially Robust Zero-Shot Classification [65.46685389276443]
画像とテキストプロンプトをマッチングすることでゼロショット分類を行うことができる、視覚言語で事前訓練されたエンコーダモデルであるCLIPについて検討する。
次に, 共分散精製プロセス間のKL分散として精製リスクを定式化する。
画像の潜伏ベクトルの確率をモデル化するCLI-Diffと、画像の埋め込みとaの写真とのコサイン類似度をモデル化するCLI-Cosの2つのバリエーションを提案する。
論文 参考訳（メタデータ） (2025-02-25T13:09:34Z) - Stretching Each Dollar: Diffusion Training from Scratch on a Micro-Budget [53.311109531586844]
大規模T2I拡散変圧器モデルの低コスト化を実証する。
我々は16億のパラメータスパーストランスをわずか1890ドルの経済的コストで訓練し、ゼロショット世代で12.7 FIDを達成する。
我々は、マイクロ予算での大規模拡散モデルのトレーニングをさらに民主化するために、エンドツーエンドのトレーニングパイプラインをリリースすることを目指している。
論文 参考訳（メタデータ） (2024-07-22T17:23:28Z) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z)
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。