基于生成对抗网络的天气预报摄影可视化
计算机视觉与模式识别
2022-03-30 v1 机器学习
图像与视频处理
摘要
户外网络摄像头图像是一种信息密集且易于获取的对过去与当前天气状况的可视化，气象学家与公众均会参考。然而，天气预报仍以文本、图示或图表形式传达。因此我们引入一种新方法，利用摄影图像来可视化未来天气状况。这具有挑战性，因为天气预报的摄影可视化应看起来真实、无明显伪影，并应与预测的天气状况相符。从观测到预报的过渡应无缝，且连续预报时效的图像之间应有视觉连续性。我们使用条件生成对抗网络（GAN）来合成此类可视化。生成器网络以数值天气预报（NWP）模式的分析与预报状态为条件，将当前相机图像转换为未来图像。判别器网络判断给定图像是未来的真实图像还是被合成的。将两个网络相互对抗训练，得到了一种在全部四项评价标准上表现良好的可视化方法。我们给出了瑞士三个在气候与地形上不同的相机站点的结果。我们表明用户难以区分真实与生成图像，其表现仅略优于随机猜测。所生成图像在至少89%的检验案例中与COSMO-1 NWP模式预报的大气、地面与光照条件相符。生成图像的临近预报序列实现了从观测到预报的无缝过渡并获得了视觉连续性。
引用
@article{arxiv.2203.15601,
title = {Photographic Visualization of Weather Forecasts with Generative Adversarial Networks},
author = {Christian Sigg and Flavia Cavallaro and Tobias Günther and Martin R. Oswald},
journal= {arXiv preprint arXiv:2203.15601},
year = {2022}
}