arXiv cs.AI· Yi Xiao, Qilong Jia, Hang Fan, Pascal Fua, Robert Jenssen, Xiaosong Ma, Wei Xue·· 12 小时前AI 评分29
WindINR：面向复杂地形快速局部风查询与校正的潜在状态 INR 框架
WindINR: Latent-State INR for Fast Local Wind Query and Correction in Complex Terrain
AI 导读
WindINR 是一个潜在状态隐式神经表示框架，用稀疏观测实现复杂地形下连续高分辨率的局部风查询与校正。模型在 FuXi-CFD 数据集上训练，并在观测系统模拟实验、模拟直升机轨迹和 Tromsø 真实 UAV 测量中验证，稀疏观测同化持续提升局部风预测，效果优于 WindSeer 等基线。推理时仅更新低维潜在状态，相比全网络微调取得 14 倍加速，同时保留任意空间坐标的连续查询能力。
正文 · AI 翻译
摘要：复杂地形中的许多决策需要在特定位置和高度快速估计风场，而非在固定网格上生成密集预报。我们提出 WindINR，一种潜在状态隐式神经表示框架，用于利用稀疏观测进行连续高分辨率局部风场查询与校正。一个以潜在状态为条件的解码器将地形描述符、低分辨率背景场和连续查询坐标映射为局部风场估计。WindINR 将可复用的表示学习与样本特定的潜在校正分离。训练期间，一个特权编码器从高分辨率监督中推断参考潜在状态，而一个可部署的预测器从推理时输入估计初始状态。二者的差异定义了一个数据集自适应的高斯先验，作用于潜在校正。推理时，网络权重保持固定，仅通过一个结合稀疏观测及其不确定性的正则化目标更新潜在状态。我们在大规模 FuXi-CFD 数据集上训练 WindINR，并通过受控观测系统模拟实验、模拟直升机轨迹以及特罗姆瑟上空的真实无人机测量对其进行评估。在这些设置中，稀疏观测同化持续改善局部风场预测，WindINR 优于包括 WindSeer 在内的多个基线。仅更新低维潜在状态相比全网络微调实现了 14 倍加速，同时保留任意空间坐标上的连续查询能力。因此，WindINR 为公里级背景产品、稀疏局部观测与复杂地形中的局部风场查询之间提供了一个高效接口。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2605.09511 [cs.AI] |
| （或 arXiv:2605.09511v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.09511 由 DataCite 颁发 arXiv DOI |
提交历史
来自：Yi Xiao [查看邮箱]
[v1]
2026年5月10日周日 12:44:38 UTC（8,305 KB）
[v2]
2026年10月21日周三 05:40:24 UTC（2,864 KB）
来源：arXiv cs.AI · arxiv.org