GRIT：用于内部冰层厚度预测的图变换器
机器学习
2025-07-11 v1
摘要
深入了解雷达图像中内部冰层厚度及其变异性对于监测积雪积累、更好地评估冰动力学过程以及最小化气候模型中的不确定性至关重要。雷达传感器能够穿透冰层，捕获内部冰层的详细雷达图。在本工作中，我们介绍GRIT，一种用于冰层厚度的图变换器。GRIT将归纳几何图学习框架与注意力机制相结合，旨在映射浅层和深层冰层之间的关系。与基线图神经网络相比，GRIT表现出持续的较低预测误差。这些结果突显了注意力机制在捕捉冰层之间时间变化方面的有效性，而图变换器将变换器在学习长程依赖方面的优势与图神经网络在捕捉空间模式方面的优势相结合，实现了对复杂时空动力学的稳健建模。
引用
@article{arxiv.2507.07388,
title = {GRIT: Graph Transformer For Internal Ice Layer Thickness Prediction},
author = {Zesheng Liu and Maryam Rahnemoonfar},
journal= {arXiv preprint arXiv:2507.07388},
year = {2025}
}
备注
Accepted for 2025 IEEE International Geoscience and Remote Sensing Symposium (IGARSS 2025)