Główne pojęcia
気象予測とクラウド物理学における重要な不確実性は、3Dボリューメトリック散乱コンテンツの遠隔検出に関連している。
Streszczenie
この記事では、空中からの画像を使用してクラウドの3Dモデルを推定するProbCTモデルが紹介されています。このモデルは、クラウドの散乱係数や不確実性を推定し、降水や再生可能エネルギーへの影響を示すことができます。機械学習を活用した新しいアプローチであり、将来的には医療画像や非直接視野画像など他の領域にも応用可能です。
ProbCTは、複数方向から取得された画像データを処理し、空間的な特徴を抽出します。これにより、クラウドオブジェクトと画像との関連付けが行われます。また、自己監督学習により未知シーンへの対応力が向上します。
訓練段階では、多くの異なるオブジェクト(クラウド)、マルチビュー画像、イメージノイズサンプルが使用されます。これらはそれぞれ異なる役割を果たし、ProbCTモデルが適切に学習されることで未知シーンへの対応力が高まります。
Statystyki
ProbCTは大気透過率や単一散乱アルベドなど微物理的特性から値を取得し、レンダリング方程式に基づいて複数回散乱された放射フィールドを生成します。
3D RT方程式は複雑であり,ProbCTはその解決策として訓練段階で異なる種類のオブジェクト(雲)やマルチビュー画像,イメージノイズサンプルを使用しています。
Cytaty
"Significant uncertainty in climate prediction and cloud physics is tied to observational gaps relating to shallow scattered clouds."
"We design a learning-based model (ProbCT) to achieve CT of such clouds, based on noisy multi-view spaceborne images."
"Future observations will thus require recovery of volumetric cloud content in 3D, using deca-meter image resolution."