用于海岸洪水可视化的物理信息GAN
计算机视觉与模式识别
2021-02-15 v2 人机交互
机器学习
图像与视频处理
摘要
随着气候变化加剧自然灾害强度，社会需要更好的适应工具。例如，洪水是最频繁的自然灾害，但在飓风期间该区域大都被云层覆盖，应急管理人员必须依赖非直观的洪水可视化进行任务规划。为协助这些应急管理人员，我们创建了一个深度学习流水线，生成当前及未来海岸洪水的视觉卫星图像。我们改进了一种称为pix2pixHD的先进GAN，使其生成与专家验证的风暴潮模型（NOAA SLOSH）输出在物理上一致的影像。通过基于物理的洪水图评估影像，我们发现所提框架在物理一致性与真实感方面均优于基线模型。尽管本工作聚焦于海岸洪水可视化，我们设想创建一个气候变化将如何塑造地球全球的视觉化。
引用
@article{arxiv.2010.08103,
title = {Physics-informed GANs for Coastal Flood Visualization},
author = {Björn Lütjens and Brandon Leshchinskiy and Christian Requena-Mesa and Farrukh Chishtie and Natalia Díaz-Rodriguez and Océane Boulais and Aaron Piña and Dava Newman and Alexander Lavin and Yarin Gal and Chedy Raïssi},
journal= {arXiv preprint arXiv:2010.08103},
year = {2021}
}
备注
Under Review