基于扭曲与精炼网络的对地静止卫星影像中间与未来帧预测
计算机视觉与模式识别
2023-03-09 v1
摘要
对地静止卫星影像在气候与天气预报、自然能源规划及极端天气事件预测中有应用。为精确预测，更高空间与时间分辨率的对地静止卫星影像十分重要。尽管近期对地静止卫星分辨率已提升，但气候应用的长期分析受限于因分辨率不同需使用从过去到现在的多颗卫星。为解决此问题，我们提出扭曲与精炼网络（WR-Net）。WR-Net 分为光流扭曲组件与扭曲图像精炼组件。我们使用 TV-L1 算法而非基于深度学习的方法提取光流扭曲组件；基于深度学习的模型训练于以人为中心的 RGB 通道视角，不适用于灰度高单通道的对地静止卫星。精炼网络通过多时相融合层精炼扭曲图像。我们通过在大规模 GK2A 对地静止气象卫星影像中将 4 分钟间隔时间分辨率插值为 2 分钟间隔来评估 WR-Net。此外，我们将 WR-Net 应用于未来帧预测任务，并表明显式使用光流可助力未来帧预测。
引用
@article{arxiv.2303.04405,
title = {Intermediate and Future Frame Prediction of Geostationary Satellite Imagery With Warp and Refine Network},
author = {Minseok Seo and Yeji Choi and Hyungon Ry and Heesun Park and Hyungkun Bae and Hyesook Lee and Wanseok Seo},
journal= {arXiv preprint arXiv:2303.04405},
year = {2023}
}
备注
This paper has been accepted for the AAAI2022 Climate Change Workshop