基于时空一致高斯表示的气象预报高动态雷达序列预测
计算机视觉与模式识别
2025-02-24 v1 信号处理
摘要
气象预报是一种基于当前观测结果预测未来雷达回波序列的关键任务，对于灾害管理、交通和城市规划具有重要意义。当前预测方法受限于训练和存储效率，主要关注在特定海拔的二维空间预测，而在每个时间戳的三维体积预测则鲜有探索。为此，我们提出了一个用于气象预报中三维雷达序列预测的综合框架，采用新提出的时空一致高斯溅写（SpatioTemporal Coherent Gaussian Splatting, STC-GS）进行动态雷达表示，并利用 GauMamba 进行高效且准确的预测。具体而言，与依赖四维高斯进行动态场景重建不同，STC-GS 在每个帧上通过一组高斯来优化三维场景，同时有效捕捉其在连续帧之间的运动。这确保了每个高斯在时间上的一致跟踪，特别适用于预测任务。基于建立的时相关高斯组，我们利用其训练 GauMamba，该模型将记忆机制集成到 Mamba 框架中。这使模型能够在处理大量高斯 token 的同时，学习高斯组的时序演化，从而在预测广泛的动态气象雷达信号方面实现效率与准确性的双赢。实验结果表明，STC-GS 能以超过 的空间分辨率高于现有三维表示方法有效地表示三维雷达序列，而 GauMamba 在预测广泛高动态天气条件方面超越了当前最先进的方法。
引用
@article{arxiv.2502.14895,
title = {High-Dynamic Radar Sequence Prediction for Weather Nowcasting Using Spatiotemporal Coherent Gaussian Representation},
author = {Ziye Wang and Yiran Qin and Lin Zeng and Ruimao Zhang},
journal= {arXiv preprint arXiv:2502.14895},
year = {2025}
}
备注
Accepted as an Oral paper at ICLR 2025. Project page: https://ziyeeee.github.io/stcgs.github.io