Deep Learning for Precipitation Nowcastingを読んだ
NIPS 2017 3本目(だっけ？).
脱線が過ぎたけど、また戻ってきた.
今日はなんとなくタイトルで目を引いたこいつ.
[1706.03458] Deep Learning for Precipitation Nowcasting: A Benchmark and A New Model
nowcasting的なことをディープでやりたいようだ.
外観
- RNNでnowcastをやりたい
- 位置の2D情報をもとに
- 比較のために新しいベンチマークとなるデータセットを用意したよ
- MovingMNIST++ と香港の降雨情報(ゲリラ豪雨当てたいようだ)
- 考えたTrajGRUが従来の手法(ConvLSTMや2D CNN, 3D CNN)を上回った
- 従来手法であるoptical flowも上回ってるらしい
- videoにも使えると思うから今後やりたいらしい
雰囲気
これはいつものRNN系で時系列データを予測する枠組み.
考案したTrajGRUだとrecurrent connectionが動的に決定されるところに利点がある.
これのおかげで降雨の地点が変わっていくのも対応できるのだとか.
モデル
従来のConvGRU
提案手法のTrajGRU
2Dの位置情報をもとにwarp関数を経由してるあたりが変更点.
そのうち実装を公開すると書いてあったので、あとで調べる.
所感
てかMovingMNISTとかあるのかｗ
今回は動く速度が一定ではないMovingMNIST++を作ったらしい.
結構シュール.
