通过地理感知式掩码自编码器实现 3D 云重建
计算机视觉与模式识别
2025-01-07 v1 人工智能
摘要
云有助于地球辐射平衡，复杂效应引入了气候模型中的大不确定性。实时获取 3D 云数据对改进气候预测至关重要。本研究利用来自 MSG/SEVIRI 的地球静止气象卫星影像和来自 CloudSat/CPR 的雷达反射率测量的云剖面数据，重建 3D 云结构。我们首先应用自监督学习方法——掩码自编码器（MAE）和地理感知式 SatMAE 对未标记的 MSG 影像进行训练，然后在匹配的影像-剖面对上进行微调。我们的方法优于像 U-Net 这样的最新方法，地理编码进一步提高了预测结果，展示了自监督学习在云重建中的潜力。
关键词
引用
@article{arxiv.2501.02035,
title = {3D Cloud reconstruction through geospatially-aware Masked Autoencoders},
author = {Stella Girtsou and Emiliano Diaz Salas-Porras and Lilli Freischem and Joppe Massant and Kyriaki-Margarita Bintsi and Guiseppe Castiglione and William Jones and Michael Eisinger and Emmanuel Johnson and Anna Jungbluth},
journal= {arXiv preprint arXiv:2501.02035},
year = {2025}
}