两阶段降水预报扩散模型
计算机视觉与模式识别
2024-02-21 v1
摘要
深度神经网络在降水预测方面取得了巨大成就。然而，当前的预报方法存在一定的局限性，例如生成的图像模糊和空间位置不正确。为了克服这些挑战，我们提出了一种两阶段降水预报扩散模型（TRDM），旨在提高长期降水预报的准确性，并解决时间建模和空间建模之间的性能不平衡问题。TRDM是一种用于降水预测任务的两阶段方法。第一阶段的任务是在低分辨率条件下捕获稳健的时间信息，同时保留空间信息。第二阶段的任务是将第一阶段生成的低分辨率图像重建为高分辨率图像。我们在MRMS和Swedish雷达数据集上展示了SOTA结果。我们的项目是开源的，可在GitHub上获取：\href{https://github.com/clearlyzerolxd/TRDM}{https://github.com/clearlyzerolxd/TRDM}。
引用
@article{arxiv.2402.12779,
title = {Two-stage Rainfall-Forecasting Diffusion Model},
author = {XuDong Ling and ChaoRong Li and FengQing Qin and LiHong Zhu and Yuanyuan Huang},
journal= {arXiv preprint arXiv:2402.12779},
year = {2024}
}