基于生成式人工智能的夜间照明
计算机视觉与模式识别
2025-07-14 v2 人工智能
图像与视频处理
摘要
地球同步卫星可见光反射数据对气象观测至关重要，在天气监测和预测中发挥重要作用。然而，由于夜间缺乏可见光，无法使用可见光反射数据进行全天候气象观测。这一研究首次运用生成式扩散模型来解决这一限制。基于 Fengyun-4B（FY4B）地球同步卫星上的多波段热红外亮度温度数据，我们开发了一种高精度可见光反射生成模型，称为 Reflectance Diffusion（RefDiff），使其能够在夜间生成 0.47~μm、0.65~μm 和 0.825~μm 三个波段的可见光反射。与经典模型相比，RefDiff 不仅通过集成平均显著提高精度，还提供不确定性估计。具体而言，RefDiff 的 SSIM 指数可达 0.90，在具有复杂云结构和厚云的区域改进尤为显著。模型的夜间生成能力经由 VIIRS 夜间产品验证，表现与其白天版本相当。总之，本研究在提升夜间可见光反射生成能力方面取得了实质性进展，为夜间可见光数据的应用潜力拓展了可能性。
引用
@article{arxiv.2506.22511,
title = {Lighting the Night with Generative Artificial Intelligence},
author = {Tingting Zhou and Feng Zhang and Haoyang Fu and Baoxiang Pan and Renhe Zhang and Feng Lu and Zhixin Yang},
journal= {arXiv preprint arXiv:2506.22511},
year = {2025}
}
备注
Title corrected (Lightning to Lighting); terminology updated (retrieval to generative)