面向热带风暴图像超分辨率的物理编码空间-时间生成对抗网络
计算机视觉与模式识别
2026-02-20 v1
摘要
高分辨率卫星图像对跟踪热带风暴（TC）的生成、加强及轨迹至关重要。然而，现有的深度学习基于超分辨率（SR）方法常将卫星图像序列视为普通视频，忽略了控制云运动的大气物理规律。为此，我们提出一种用于TC图像超分辨率的物理编码空间-时间生成对抗网络（PESTGAN）。具体而言，我们设计了包含 PhyCell 模块的解耦式生成器架构，PhyCell 通过受约束的卷积近似涡旋方程，并将所得近似物理动力学编码为隐式潜在表示，以分离物理动力学与视觉纹理。此外，引入双判别器框架，采用时序判别器以强制运动一致性与空间真实性。针对 Digital Typhoon 数据集进行 放大实验，结果表明 PESTGAN 在结构保真度和感知质量方面均优于现有方法。虽在像素级精度上保持与现有方法的竞争水平，但本方法在重建气象上具备信服性的云结构方面显著领先，具有更佳的物理保真度。
引用
@article{arxiv.2602.17277,
title = {Physics Encoded Spatial and Temporal Generative Adversarial Network for Tropical Cyclone Image Super-resolution},
author = {Ruoyi Zhang and Jiawei Yuan and Lujia Ye and Runling Yu and Liling Zhao},
journal= {arXiv preprint arXiv:2602.17277},
year = {2026}
}
备注
Under review