基于USF-Net的地面遥感云图序列外推统一时空融合网络
计算机视觉与模式识别
2026-02-27 v2
摘要
地面遥感云图序列外推是光伏电站系统开发中的关键研究领域。然而，现有方法存在若干局限：(1)主要依赖静态卷积核来增强特征信息，缺乏动态适应机制以在不同分辨率下提取特征；(2)时序引导不足，导致对长程时空依赖建模次优；(3)注意力机制的二次计算成本常被忽视，限制了实际部署效率。为此，本文提出USF-Net，一种统一时空融合网络，集成自适应大卷积核与低复杂度注意力机制，将时序流信息纳入编码器-解码器框架中。具体而言，编码器采用三个基础层提取特征。随后引入USTM，其中包含：(1)配备状态空间模型( SSM)的SiB，用于动态捕获多尺度上下文信息；(2)具有注意力机制(TAM)的TiB，有效建模长程时序依赖且保持计算效率。此外，本文引入DSM配合TGM，实现时序引导时空依赖的统一建模。在解码器侧，DUM用于解决常见的“幽灵效应”，利用初始时序状态作为注意力算子以保留关键运动特征。作为关键贡献，本文亦发布ASI-CIS数据集。广泛的实验表明，USF-Net在ASI-CIS上显著优于最新方法，在预测精度与计算效率之间实现卓越平衡。数据集与源代码将发布于https://github.com/she1110/ASI-CIS。
引用
@article{arxiv.2511.09045,
title = {USF-Net: A Unified Spatiotemporal Fusion Network for Ground-Based Remote Sensing Cloud Image Sequence Extrapolation},
author = {Penghui Niu and Taotao Cai and Suqi Zhang and Junhua Gua and Ping Zhanga and Qiqi Liu and Jianxin Li},
journal= {arXiv preprint arXiv:2511.09045},
year = {2026}
}