WindINR：用于复杂地形下快速局部风场查询与校正的隐状态 INR
人工智能
2026-05-12 v1
摘要
在复杂地形下，许多下游决策需要在用户指定的少数位置和高度上获取给定预报有效时刻的快速风场估计，而非固定网格上的另一个密集预报场。我们提出 WindINR，一种用于连续高分辨率局部风场查询与稀疏观测校正的隐状态隐式神经表示框架。WindINR 通过隐条件解码器将静态地形描述符、低分辨率背景场和连续查询坐标映射为高分辨率风场状态。为实现推理时的快速校正，WindINR 将可复用的表示学习与特定样本的隐状态校正分离。在训练期间，特权编码器从高分辨率监督中推断参考隐状态，可部署隐状态预测器仅从推理时输入估计初始隐状态，两者的偏差被归纳为隐校正上数据自适应的高斯先验。在推理时，WindINR 模块内网络权重保持固定，仅通过使用稀疏观测及其不确定性最小化正则化校正目标来更新隐状态。在 Senja 地区受控的 OSSE 中，包括无人机辅助方法场景和随机观测鲁棒性测试，WindINR 仅通过更新紧凑的隐状态而非整个网络，改善了局部高分辨率风场估计。校正后的表示在任意坐标处保持连续可查询，并且在我们的 CPU 基准测试中，相比全网络微调实现了约 的在线校正加速，为千米尺度背景产品、稀疏局部观测和复杂地形风场查询之间提供了实用接口。
引用
@article{arxiv.2605.09511,
title = {WindINR: Latent-State INR for Fast Local Wind Query and Correction in Complex Terrain},
author = {Yi Xiao and Qilong Jia and Hang Fan and Pascal Fua and Robert Jenssen and Xiaosong Ma and Wei Xue},
journal= {arXiv preprint arXiv:2605.09511},
year = {2026}
}