ARFA：一种用于时空预测的非对称感受野自编码器模型
计算机视觉与模式识别
2024-01-09 v2
摘要
时空预测旨在从学习自历史上下文的范式中生成未来序列。它在众多领域至关重要，如交通流预测和天气预报。近来，该领域的研究主要由基于自编码器架构的深度神经网络驱动。然而，现有方法通常采用具有相同感受野大小的自编码器架构。为解决此问题，我们提出了一种非对称感受野自编码器（ARFA）模型，其引入了对应于编码器与解码器不同功能而定制的感受野模块尺寸。在编码器中，我们提出了一个用于全局时空特征提取的大核模块。在解码器中，我们开发了一个用于局部时空信息重建的小核模块。实验结果表明，ARFA在流行数据集上持续达到最先进的性能。此外，我们构建了RainBench，一个用于降水预测的大规模雷达回波数据集，以解决该领域气象数据稀缺的问题。
引用
@article{arxiv.2309.00314,
title = {ARFA: An Asymmetric Receptive Field Autoencoder Model for Spatiotemporal Prediction},
author = {Wenxuan Zhang and Xuechao Zou and Li Wu and Xiaoying Wang and Jianqiang Huang and Junliang Xing},
journal= {arXiv preprint arXiv:2309.00314},
year = {2024}
}
备注
Accepted by ICASSP 2024