基于时空上下文聚合网络的天气预测简易基线
计算机视觉与模式识别
2022-12-13 v2
摘要
传统天气预测依赖领域专业知识和计算密集的数值模拟系统。近来，随着数据驱动方法的发展，基于深度学习的天气预测日益受到关注。基于深度学习的天气预测已取得惊人进展，从使用 CNN、RNN 和 Transformer 的各种骨干研究，到利用带辅助输入的气象观测数据集的训练策略。所有这些进展都推动了天气预测领域；然而，深度学习模型的诸多元素与复杂结构阻碍我们获得物理解释。本文提出一种具有时空上下文聚合网络（SIANet）的简易基线，其在 W4C22 的 5 个基准中的 4 个部分达到了 SOTA。这一简单而高效的结构仅以端到端方式使用卫星图像与 CNN，未使用多模型集成或微调。SIANet 的简洁性可用作基于深度学习的天气预测中易于应用的坚实基线。
引用
@article{arxiv.2212.02952,
title = {Simple Baseline for Weather Forecasting Using Spatiotemporal Context Aggregation Network},
author = {Minseok Seo and Doyi Kim and Seungheon Shin and Eunbin Kim and Sewoong Ahn and Yeji Choi},
journal= {arXiv preprint arXiv:2212.02952},
year = {2022}
}
备注
1st place solution for stage1 and Core Transfer in the Weather4Cast competition on NeurIPS 22