QSTRBench: a New Benchmark to Evaluate the Ability of Language Models to Reason with Qualitative Spatial and Temporal Calculi
School of Computer Science, The University of Leeds(利兹大学计算机科学学院);The Alan Turing Institute(阿兰·图灵研究院);Tongji University(同济大学)
本文提出QSTRBench基准,用于评估大语言模型在定性空间和时间推理方面的能力,通过不同推理算法规则的组合性推理、反向关系和概念邻域等任务,展示了不同模型在处理不同算法规则时的表现差异,发现PA最简单而RCC-22最难。
2026-05-18 cs.AI
Algebraic foundations for qualitative calculi and networks
定性表示$ϕ$类似于关系代数的普通表示,但不像我们对普通表示那样需要$(a; b)^ϕ= a^ϕ| b^ϕ$,我们只需要$c^ϕ\supseteq a^ϕ| b^ϕ\iff c\geq a ; b$,对于代数中的每个$c$。一个约束网络是定性可满足的,如果它的节点可以映射到一个定性表示的元素,保持约束。如果一个约束网络是可满足的,那么它显然是定性可满足的,但反过来可能失败。然而,对于广泛的关系代数,包括点代数,Allen区间代数,RCC 8和许多其他关系代数,网络是可满足的当且仅当它是定性可满足的。与普通的组合不同,从定性表示产生的弱组合不需要是结合的,所以我们可以通过考虑非结合代数上的网络满意度问题来推广。我们证明了在计算上,定性表示比普通表示具有许多优点:虽然许多有限关系代数只有无限表示,但每个有限定性可表示代数都有有限定性表示;有限非结合代数的原子结构是NP-完全的,有限定性可表示代数上的网络满足问题总是NP的;方程在定性表示上的有效性是co-NP-完全的。另一方面,我们证明了定性表示代数类不存在有限公理化。
2017-06-19 cs.AI
On Redundant Topological Constraints
University of Technology Sydney(悉尼科技大学);Baidu (China) Co., Ltd.(百度(中国)有限公司);University of Melbourne(墨尔本大学)
区域连接演算(RCC)是一个著名的演算表示部分-整体和拓扑关系。它在定性空间推理、地理信息科学、本体论等领域都有着重要的应用。RCC 5和RCC 8(RCC的两个片段)以及其他定性的空间/时间演算的推理的计算复杂性已在文献中深入研究。这些工作大多集中在定性约束网络的一致性。在本文中,我们考虑的重要问题冗余的定性约束。对于定性约束的集合$Γ$,如果$Γ$中的约束$(x R y)$被$Γ$的其余部分所蕴涵,则我们说它是冗余的。$Γ$的素子网是$Γ$的一个子集,它不包含冗余约束,并且具有与$Γ$相同的解集。人们自然会问如何计算这样一个素子网,以及它何时是唯一的。在本文中,我们表明,这个问题是在一般的棘手,但变得易处理,如果$Γ$是在一个易处理的子代数$\mathcal{S}$的定性演算。此外,若$\mathcal{S}$是RCC 5或RCC 8的弱复合分布在非空交上的子代数,则$Γ$有唯一的素子网,该素子网可在三次时间内通过同时去除$Γ$的所有冗余约束得到.作为副产品,我们证明了这样的分配子代数上的任何路径一致网络都是弱全局一致和最小的。真实地理数据集上的主要子网络的一个彻底的实证分析表明,该方法是能够识别显着更多的冗余约束比以前提出的算法,特别是在约束网络的部分重叠关系的比例较大。
2015-02-13 cs.AI
Geospatial Narratives and their Spatio-Temporal Dynamics: Commonsense Reasoning for High-level Analyses in Geographic Information Systems
University of Bremen(不来梅大学);Penn State University(宾夕法尼亚州立大学)
动态地理空间现象的建模、分析和可视化已被确定为下一代地理信息系统(GIS)的关键发展挑战。在这种情况下,设想的范式扩展到当代基础GIS技术提出了基本问题的本体论,正式的代表性,和(分析)计算方法,将成为其空间信息理论的基础。我们提出的概念概述和架构的发展高层次的语义和定性分析能力的动态地理空间域。建立在常识推理,定性推理,空间和时间的表示和推理,推理行动和变化,和计算模型的叙事领域的正式方法,我们确定具体的理论和实践的挑战,在有关“空间,事件,行动和变化”的正式推理的背景下产生。以此为基础,并在一个说明的情况下,涉及城市叙事的时空动态的背景下,我们解决具体的问题和解决方案的技术,主要涉及“定性抽象”,“数据集成和空间一致性”,和“实际的地理空间绑架”。从一个广泛的主题的观点,我们提出,下一代动态GIS技术需要一个跨学科的科学观点,汇集了地理,人工智能和认知科学。保留字:人工智能;认知系统;人机交互;地理信息系统;时空动力学;叙事的计算模型;地理空间分析;地理空间建模;本体论;定性空间建模和推理;空间辅助系统
2013-12-16 cs.AI cs.ET cs.HC
Allen's Interval Algebra Makes the Difference
Aalto University(阿尔托大学);Tampere University(坦佩雷大学)
Allen的区间代数构成了一个以定性方式推理时间信息的框架。特别地,它使用间隔,即,时间轴上的端点对,以表示与动作、事件或任务相对应的实体,以及诸如在前和重叠的二元关系,以编码这些实体之间的可能配置。艾伦的微积分在许多学术和工业应用中找到了自己的方式,最常见的是计划和调度,时态数据库和医疗保健。在本文中,我们提出了一种新的编码区间代数使用答案集编程(ASP)扩展的差异约束,即,的片段缩写为ASP(DL),并通过初步的实验评估证明其性能。虽然为了清晰起见,我们的ASP编码是在Allen演算的情况下提出的,但我们建议也可以为其他基于点的演算设计类似的编码。
2019-09-03 cs.AI
Bridging the gap between modal temporal logics and constraint-based QSR as an ALC(D) spatio-temporalisation with weakly cyclic TBoxes
这项工作的目的是提供一个家庭的空间变化的定性理论,特别是空间场景的运动。为了实现这一点,我们考虑一个时空MTALC(D_x),著名的ALC(D)家族的描述逻辑(DL)与具体domanan。具体地说,具体域D_x由定性空间关系代数(RA)x生成。通过将MTALC(D_x)概念的可满足性归结为空间约束增强的弱交替自动机的空性问题,我们证明了MTALC(D_x)概念关于弱循环TBox的可满足性在非确定指数时间内是可判定的,尽管游程的接受条件除了标准情况外,CSP(约束满足问题)的一致性可能是无限的。结果提供了一个有效的表格式可满足性过程进行了讨论。
2003-07-17 cs.AI cs.LO
Integrating cardinal direction relations and other orientation relations in Qualitative Spatial Reasoning
我们提出了一个演算集成两个演算著名的定性空间推理(QSR):弗兰克的投影为基础的基本方向演算,和一个粗糙的版本Freksa的相对方向演算。提出了一种新颖的约束传播过程,实现了两个集成演算之间的交互。考虑到相互作用的重要性示出了一个真实的例子,提供了一个不一致的知识库,其不一致性(a)不能通过分别对知识的两个组件中的每一个进行推理来检测,仅仅是因为,单独考虑,每个组件都是一致的,但是(b)通过所提出的算法来检测,这要归功于从两个组件中的每一个组件传播到另一个组件的相互作用知识。
2004-10-05 cs.AI
Fine-grained Qualitative Spatial Reasoning about Point Positions
University of Bremen(不来梅大学)
在空间环境中持续存在的能力不仅是机器人的一个基本特征。位置知识是空间的一个重要方面,在空间认知的研究领域中,已经开发了许多表示这些信息的方法。本文介绍了定性空间表示和推理的基本技术,并简要回顾了几种演算。综述了定性演算的特点和应用。一个新的演算表示和推理的定性空间方向和距离正在设计中。它支持点的三元关系上的任意粒度级别。提高组合物的复杂性的方法和实现的演算证明了它的能力。现有的定性空间演算的位置信息进行比较的新方法和未来研究的可能性进行了概述。
2019-11-15 cs.AI cs.RO
Oriented Straight Line Segment Algebra: Qualitative Spatial Reasoning about Oriented Objects
University of Maine(缅因大学);University of Bremen(不来梅大学)
大约15年前,Schlieder提出了一组定向直线段(偶极子)之间的定性空间关系。这项工作在定性空间推理社区中引起了极大的兴趣。然而,事实证明,很难建立一个健全的约束演算基于这些关系。在本文中,我们提出了一个新的调查结果偶极子约束结石,使用代数方法来推导出声音的结果的组成关系和其他性质的偶极子结石。我们的研究结果是基于一个浓缩的语义的偶极关系。与通常使用的点相反,偶极子被延伸并且具有固有方向。这两个特征都是自然物体的重要属性。这使得一个简单的表示空间代理的原型推理任务。作为一个例子,我们展示了如何生成调查知识,从当地的观察街道网络。这个例子说明了快速约束为基础的推理能力的偶极演算。我们将我们的结果整合到两个推理工具,这是公开的。
2009-12-30 cs.AI
UUKG: Unified Urban Knowledge Graph Dataset for Urban Spatiotemporal Prediction
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));The Hong Kong University of Science and Technology(香港科技大学);Alibaba Cloud Intelligence Group(阿里云智能事业群)
本文提出统一城市知识图谱数据集UUKG,通过连接异构城市实体构建数百万三元组,揭示高阶结构模式,并评估15种KG嵌入方法与9种时空模型在5个预测任务上的表现,为知识增强城市时空预测提供基准。
2023-10-22 cs.AI cs.LG
A TCSP-like decidable constraint language generalising existing cardinal direction relations
我们定义了一个定量约束语言,其中包含两个著名的演算在QSR(定性空间推理):弗兰克的锥形和投影为基础的演算的基本方向关系。我们展示了如何解决CSP(约束满足问题)表示的语言。
2004-09-24 cs.AI cs.LO
A spatio-temporalisation of ALC(D) and its translation into alternating automata augmented with spatial constraints
University of Sciences and Technology Houari Boumediène(乌阿里·布迈丁科学技术大学)
这项工作的目的是提供一个家庭的空间变化的定性理论,特别是空间场景的运动。为了实现这一点,我们考虑了具有具体域的著名的描述逻辑(DL)的ALC(D)家族的时空化MTALC(Dx):MTALC(Dx)概念在无限k元Sigma树上解释,其中节点代表时间点,并且Sigma除了在经典k元Sigma树中的使用之外,还包括对感兴趣的n对象空间场景的快照的描述;将角色拆分为m+n个直接后继者(可及性)关系,它们是序列的、非自反的和反对称的,其中m是一般的,不一定是函数的,其他n是函数的;具体域Dx由RCC 8类空间关系代数(RA)x生成,并且用于通过对“跟随的”空间场景的对象施加空间约束来引导改变,最终在输入树的不同时间点。为了捕捉在文献中遇到的大多数模态时态逻辑的表达能力,我们引入弱循环术语盒(TBoxes)的MTALC(Dx),其公理捕捉模态时态算子的递减性质。我们证明了一个重要的结果,满足MTALC(Dx)的概念,就弱循环TBox可以减少到空性问题的Buchi弱交替自动机增强空间约束。在另一项工作中,补充这一个,也提交给本次会议,我们彻底调查布奇自动机增加了空间约束,并提供,特别是,翻译的交替到一个不确定性,和一个有效的决策程序的空问题,后者。
2020-02-22 cs.AI cs.FL
On A Semi-Automatic Method for Generating Composition Tables
University of Technology Sydney(悉尼科技大学);Centre for Quantum Computation and Intelligent Systems(量子计算与智能系统中心)
基于组合的推理起源于Allen的区间代数,是定性时空推理中最流行的推理技术。给定一个定性演算(即一个关系模型),我们首先要做的是建立它的组成表(CT)。在过去的三十年里,这种工作通常是手工完成的。这是不可取的,并且容易出错,因为微积分可能包含数十或数百个基本关系。1995年,Tony Cohn将计算正确的CT确定为计算机科学家的挑战。本文针对这个问题,并介绍了一种半自动的方法来计算CT随机生成的三元组的元素。对于几个重要的定性结石,我们的方法可以在合理的短时间内建立正确的CT。这是说明应用程序的区间代数,区域连接演算RCC-8,INDU演算,和定向点关系代数。我们的方法也可以用来生成CT定义的限制域上的定制的定性结石。
2011-05-21 cs.AI cs.LO
Talking about the Moving Image: A Declarative Model for Image Schema Based Embodied Perception Grounding and Language Generation
University of Bremen(不来梅大学);The DesignSpace Group(设计空间小组);MANIT(迈普尔国家理工学院)
我们提出了动态视觉空间意象的具身基础和基于自然语言的分析总结的一般理论和相应的陈述模型。声明模型--ecompassing空间语言抽象,图像模式,和时空特征为基础的语言生成器-是模块化的约束逻辑编程(CLP)内实现。所实现的模型是这样的,即理论的原语,例如,与空间和运动有关的图像模式可用作具有适于推理和查询的“深层语义”的第一类对象。我们展示了广泛的动机,如电影,设计,地理,智能环境的分析自然语言为基础的外部化的运动图像的选择的例子模型是中央从人类互动的观点,基于证据的定性分析,和意义。保留字:运动图像,视觉语义和体现,视觉空间认知和计算,认知视觉,叙事的计算模型,陈述性空间推理
2015-08-13 cs.AI cs.CL cs.CV
Qualitative Modelling via Constraint Programming: Past, Present and Future
University of St Andrews(圣安德鲁斯大学)
定性建模是一种综合理论计算机科学、人工智能以及物理和生物科学领域的技术。其目的是能够模拟系统的行为,而无需估计参数值和固定精确的定量动态。传统的应用是研究物理和生物系统的动力学,其抽象水平高于通过估计固定定量模型的数值参数值获得的抽象水平。定性建模已被研究和实施不同程度的复杂Petri网,过程演算和约束编程。在本文中,我们反映了现有框架的优点和缺点,我们展示了如何利用约束编程的最新进展来产生高质量的定性模型,我们描述了理论和技术的进步,将需要使约束编程在最广泛的意义上的科学调查的最佳选择。
2012-09-18 cs.AI cs.CE math.DS
Learning event representation: As sparse as possible, but not sparser
Brandeis University(布兰迪斯大学)
选择一个最佳的事件表示是必不可少的事件分类在现实世界的背景。在本文中,我们研究的定性空间推理(QSR)框架的分类在三维空间中的人与物体的相互作用的应用,在使用定量特征提取方法为同一目的进行比较。特别是,我们修改QSRLib,一个库,允许计算的定性空间关系和演算,并采用它的特征提取,输入功能到我们的神经网络模型。使用一个实验装置,涉及运动捕捉的人与物体的互动作为三维输入,我们观察到,使用定性的空间特征显着提高了我们的机器学习算法对我们的基线的性能,而类似的定量特征未能提供类似的改善。我们还观察到,QSR功能的顺序表示产生最好的分类性能。我们的学习方法的一个结果是一个简单的方法来定性表示的3D活动的2D动作,可以使用2维QSR可视化和学习的组成。
2017-10-02 cs.AI cs.CV
Robust Spatio-Temporal Signal Recovery from Noisy Counts in Social Media
University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
许多现实世界的现象可以用时空信号来表示:在哪里,什么时候,有多少。对于那些希望监测此类信号的人来说,社交媒体是一个诱人的数据来源。与大多数先前的工作不同,我们假设目标现象是已知的,并且我们给出了一种方法来计算其在社交媒体中的发生率。然而,计数是困扰样本偏差,不完整的数据,矛盾的是,数据稀缺-问题没有充分解决以前的工作。我们制定信号恢复作为一个泊松点过程估计问题。我们明确地将人口偏差,时间延迟和空间失真,以及时空正则化纳入模型中,以解决噪声计数问题。我们提出了一个有效的优化算法,并讨论了它的理论性质。我们表明,我们的模型比常用的基线更准确。最后,我们提出了一个案例研究,野生动物路杀监测,我们的模型产生定性令人信服的结果。
2012-04-10 cs.AI cs.SI
Spatio-Temporal Meta-Graph Learning for Traffic Forecasting
The University of Tokyo(东京大学);Toyota Motor Corporation(丰田汽车公司)
交通量预测作为多元时间序列预测的一个典型任务,一直是人工智能领域的重要研究课题。为了解决交通流中隐含的时空异质性和非平稳性,在这项研究中,我们提出了时空元图学习作为一种新的时空数据的图结构学习机制。具体来说,我们将这个想法实现到元图卷积递归网络(MegaCRN)中,将由元节点库驱动的元图学习器插入GCRN编码器-解码器。我们对两个基准数据集(即,METR-LA和PEMS-BAY)以及一个名为EXPY-TKY的新的大规模交通速度数据集,该数据集覆盖了东京的1843条高速公路。我们的模型在所有三个数据集上都优于最先进的模型。此外,通过一系列的定性评估,我们证明了我们的模型可以明确地解开道路连接和时隙与不同的模式,并鲁棒地适应任何异常的交通情况。代码和数据集可在https://github.com/deepkashiwa20/MegaCRN上获得。
2023-03-06 cs.AI cs.LG
MegaCRN: Meta-Graph Convolutional Recurrent Network for Spatio-Temporal Modeling
提出MegaCRN,通过元节点库驱动的元图学习器增强GCRN编解码器,以建模时空图流的异质性与非平稳性,并在三个数据集上显著超越现有方法。
2023-04-20 cs.AI cs.LG
NuRisk: A Visual Question Answering Dataset for Agent-Level Risk Assessment in Autonomous Driving
Professorship of Autonomous Vehicle Systems, TUM School of Engineering and Design, Technical University of Munich(自主车辆系统教授职位,TUM工程与设计学院,慕尼黑技术大学);Munich Institute of Robotics and Machine Intelligence (MIRMI)(慕尼黑机器人与机器智能研究所(MIRMI))
NuRisk 数据集通过 2.9K 场景和 1.1M agent 级样本,提供基于鸟瞰图的时序图像及量化风险标注,提升自动驾驶中 agent 行为与情境的时空推理能力。
2026-04-19 cs.AI
Improved Algorithms for Allen's Interval Algebra by Dynamic Programming with Sublinear Partitioning
Linköpings Universitet(林雪平大学)
本文提出亚线性划分动态规划新框架,将Allen区间代数的求解复杂度改进到$O^*((\frac{cn}{\log{n}})^{n})$,并成功应用于基数方向点代数,显著推进NP难定性推理问题的算法水平。
2023-05-25 cs.AI cs.CC
Exploring the Generalizability of Spatio-Temporal Traffic Prediction: Meta-Modeling and an Analytic Framework
Peking University(北京大学);Hong Kong University of Science and Technology(香港科技大学)
时空流量预测(STTP)问题是一个经典问题,有大量的研究工作,受益于传统的统计学习和最近的深度学习方法。虽然STTP可以涉及许多现实世界的问题,但大多数现有的研究都集中在非常具体的应用,如出租车需求预测,共乘秩序,交通速度等,这阻碍了STTP的研究,因为为不同的应用设计的方法很难比较,因此,应用驱动的方法可以推广到其他场景还不清楚。为了填补这一空白,本文做了三个方面的努力:(1)我们提出了一个分析框架,称为STAnalytic,定性研究STTP方法的设计考虑各种空间和时间因素,旨在使不同的应用程序驱动的方法具有可比性;(ii)我们设计了一个时空元模型,称为STMeta,(3)构建了一个包含10个真实数据集的STTP基准测试平台,对STTP方法的泛化能力进行了定量度量。特别是,我们用不同的深度学习技术实现了STMeta,STMeta通过在所有数据集上实现更低的平均预测误差,展示了比最先进的方法更好的泛化能力。
2021-11-25 cs.AI cs.LG
PASTA: PArallel Spatio-Temporal Attention with spatial auto-correlation gating for fine-grained crowd flow prediction
SK Telecom(SK电讯);Kim Jaechul Graduate School of AI, KAIST(韩国科学技术院金在哲人工智能研究生院);Naver Corp(Naver公司)
针对细粒度全市人流预测问题,提出含空间自相关门控、多尺度残差块、时间注意力门控的PASTA模型,能捕捉不规则时空模式,性能优于基线,还分析了高注意力关键时间信息。
2023-10-02 cs.AI cs.LG
Acquiring Qualitative Explainable Graphs for Automated Driving Scene Interpretation
Simula Research Laboratory(西穆拉研究实验室);LIRMM, U. of Montpellier, CNRS(蒙彼利埃大学CNRS LIRMM实验室)
针对自动驾驶场景可解释性需求,本文提出定性可解释图QXG用于长时序场景定性时空推理,基于定性约束获取范式构建,在NuScenes数据集上验证其可实时计算、存储占用低,可提升自动驾驶感知与控制的可信度。
2023-08-24 cs.AI cs.RO
Guiding Masked Representation Learning to Capture Spatio-Temporal Relationship of Electrocardiogram
VUNO Inc(VUNO公司)
本文提出ST-MEM,通过掩码重建12导联心电图以学习时空特征,在心律失常分类中优于其他自监督方法,并适应多种导联组合。
2024-03-19 cs.AI cs.LG eess.SP
Event-Aware Multimodal Mobility Nowcasting
The University of Tokyo(东京大学);RMIT University(皇家墨尔本理工大学);Southern University of Science and Technology(南方科技大学)
作为移动即服务(MaaS)成功的决定性部分,人群移动的时空预测建模是一项具有挑战性的任务,特别是考虑到社会事件驱动移动行为偏离常态的场景。虽然在利用深度学习对高水平的时空波动进行建模方面取得了巨大进展,但大多数(如果不是全部的话)现有方法既没有意识到多种运输模式之间的动态相互作用,也没有适应潜在社会事件带来的前所未有的波动。因此,在本文中,我们的动机,以改善规范的时空网络(ST-Net)从两个方面:(1)设计一个异构的移动性信息网络(HMIN)显式地表示多式联运的移动性;(2)提出了一个内存增强的动态过滤器生成器(MDFG),以生成特定序列的参数在一个上的飞行方式为各种情况。增强的事件感知时空网络,即EAST-Net,在几个真实世界的数据集上进行评估,这些数据集具有广泛的社会事件种类和覆盖范围。定量和定性的实验结果验证了我们的方法相比,最先进的基线的优越性。代码和数据发布在https://github.com/underdoc-wang/EAST-Net上。
2021-12-14 cs.AI cs.LG
Attention-augmented Spatio-Temporal Segmentation for Land Cover Mapping
University of Minnesota(明尼苏达大学);University of Pittsburgh(匹兹堡大学)
大量地球观测卫星数据的可用性为土地利用和土地覆盖测绘提供了巨大的机会。然而,这种测绘工作是具有挑战性的,由于存在各种土地覆盖类,嘈杂的数据,并缺乏适当的标签。此外,每一土地覆被类别通常都有其独特的时间模式,只能在特定时期内确定。在这篇文章中,我们介绍了一种新的架构,该架构将UNet结构与双向LSTM和注意力机制结合起来,共同利用卫星数据的空间和时间特性,并更好地识别每个土地覆盖的独特时间模式。我们评估这种方法在世界各地的多个地区的作物映射。我们比较我们的方法与其他国家的最先进的方法在两个现实世界的数据集,涉及多个土地覆盖类的定量和定性。我们还可视化了注意力权重,以研究其在减轻噪音和识别歧视性时间段方面的有效性。
2021-09-28 cs.AI cs.CV cs.LG
D-STGCNT: A Dense Spatio-Temporal Graph Conv-GRU Network based on transformer for assessment of patient physical rehabilitation
CESI LINEACT
提出D-STGCNT模型,结合改进STGCN与Transformer,利用图结构处理骨架数据,在KIMORE和UI-PRMD数据集上超越现有方法,实现高效准确的康复锻炼自动评估。
2025-02-25 cs.AI cs.CV cs.LG
Spatio-Temporal SAR-Optical Data Fusion for Cloud Removal via a Deep Hierarchical Model
University of Sannio(萨尼奥大学);Warsaw University of Technology(华沙理工大学);La Sapienza University(罗马第一大学);European Space Agency(欧洲空间局)
除云是遥感中的一个相关主题,因为它促进了高分辨率光学图像在地球监测和研究中的可用性。相关技术已经分析了多年,从多光谱到修复方法,对采用的适当方法有了越来越清晰的认识。最近深度生成模型和基于序列到序列的模型的应用已经证明了它们显着推进该领域的能力。然而,仍然存在一些差距,主要与云的覆盖量,云的密度和厚度,以及发生的时间景观变化有关。在这项工作中,我们填补了一些这些空白,通过引入一种新的多模态方法,使用不同的信息源,空间和时间,恢复整个光学场景的兴趣。该方法引入了一种创新的深度模型,使用时间序列混合和从合成孔径雷达(SAR)到光学图像的直接翻译的结果来获得整个场景的像素级恢复。我们的方法的优势在我们生成并提供的数据集上测试的各种大气条件下得到证明。定量和定性的结果证明,该方法获得无云的图像,保留场景的细节,而不诉诸一个干净的图像的大部分,并应对景观变化。
2022-03-28 cs.AI cs.CV eess.IV
WGAST: Weakly-Supervised Generative Network for Daily 10 m Land Surface Temperature Estimation via Spatio-Temporal Fusion
INSA CVL, PRISME UR 4229(INSA CVL,PRISME UR 4229);Université d’Orléans, PRISME UR 4229(奥尔良大学,PRISME UR 4229);Université d’Orléans, CEDETE, UR 1210(奥尔良大学,CEDETE,UR 1210)
WGAST通过时空融合方法,提出了一种弱监督生成网络,用于高精度估算每日10米土地表面温度,有效提升精度和稳定性。
2025-12-10 cs.AI cs.CV cs.LG