강수 예측을 위한 언어 기반 다중모달 프레임워크: LangPrecip

초록

단기 강수 예측은 특히 급격히 변화하는 극한 날씨 현상에 대해 불확실하고 제약 조건이 부족한 공간-시간 예측 문제입니다. 현재의 생성적 접근 방식은 주로 시각적 조건에 의존하여 미래 움직임을 약하게 제약하고 모호하게 만듭니다. 우리는 기상학적 텍스트를 강수 진화의 의미론적 움직임 제약으로 취급하는 언어 인식 다중모달 예측 프레임워크(LangPrecip)를 제안합니다. 이 방법은 Rectified Flow 패러다임 하에서 의미론적으로 제약된 트래젝토리 생성 문제로 예측을 정의함으로써 잠재 공간에서 텍스트와 레이더 정보의 효율적이고 물리적으로 일관된 통합을 가능하게 합니다. 우리는 또한 160,000개의 짝지어진 레이더 시퀀스와 움직임 설명을 포함하는 대규모 다중모달 데이터셋 LangPrecip-160k를 소개합니다. 스웨덴과 MRMS 데이터셋에 대한 실험은 최신 방법보다 일관된 성능 향상을 보여주며, 80분의 선두 시간에서 중강우 CSI에서 각각 60%와 19% 이상의 개선을 달성합니다.

상세 요약

이 논문은 기상학적 예측 분야에서 강수 예측에 대한 새로운 접근 방식을 제안하고 있습니다. 특히, 이 연구는 단기 강수 예측이 불확실한 문제라는 점을 인지하고, 이를 해결하기 위해 기존의 시각적인 조건에만 의존하는 방법을 넘어 언어적 정보를 통합하는 프레임워크인 LangPrecip을 제안합니다. 이 접근 방식은 강수 움직임의 미래 예측을 더 정확하게 제약하고, 이를 통해 예측의 신뢰성을 높이는 것을 목표로 합니다.

LangPrecip는 기상학적 텍스트를 사용하여 강수의 진화 과정에 대한 의미론적인 제약 조건으로 취급합니다. 이는 Rectified Flow 패러다임을 활용해, 잠재 공간에서 텍스트와 레이더 정보를 효율적으로 통합하고 물리적으로 일관된 예측 결과를 도출할 수 있게 합니다. 이러한 방법은 기존의 시각적 조건에만 의존하는 방식과 달리, 미래 움직임을 더 명확하게 제약함으로써 예측의 정확도와 신뢰성을 높이는 효과가 있습니다.

또한 논문에서는 LangPrecip-160k라는 대규모 다중모달 데이터셋을 소개합니다. 이 데이터셋은 160,000개의 짝지어진 레이더 시퀀스와 움직임 설명을 포함하고 있으며, 이를 통해 모델의 학습과 성능 평가를 위한 풍부한 자료를 제공합니다. 실험 결과는 스웨덴과 MRMS 데이터셋에서 LangPrecip이 기존 방법보다 일관된 성능 개선을 보여주며, 특히 중강우에 대한 예측 정확도(CSI)에서 80분의 선두 시간에서 각각 60%와 19% 이상의 향상을 달성한 것을 확인할 수 있습니다.

이 연구는 기상학적 예측 분야에서 언어 정보를 통합하는 새로운 방법을 제시하며, 특히 단기 강수 예측에 있어 기존 접근 방식보다 높은 정확도와 신뢰성을 제공함으로써 중요한 발전을 이루고 있습니다. 이를 통해 미래의 날씨 예측 시스템에서 더 정확하고 신뢰할 수 있는 정보를 제공하는 데 크게 기여할 것으로 보입니다.