PulseAugur
中
实时 07:55:42
English(EN) GenDA: Generative Data Assimilation on Complex Urban Areas via Classifier-Free Diffusion Guidance

GenDA框架使用扩散模型重建城市风场

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了GenDA，一个新颖的生成数据同化框架，旨在利用有限的传感器数据在复杂的城市环境中重建高分辨率风场。该系统利用多尺度基于图的扩散架构，将无分类器引导解释为学习到的后验重建机制。这种方法允许GenDA在无需重新训练的情况下泛化到不同的网格几何和传感器配置，通过显著降低误差和提高结构相似性，其性能优于现有的图神经网络基线和经典数据同化方法。 AI

影响 这项研究通过从稀疏数据中实现更准确的风场重建，有望改善环境监测和城市规划。

排序理由 该集群包含一篇详细介绍生成数据同化新方法的 ist research paper。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

GenDA框架使用扩散模型重建城市风场

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Francisco Giral, \'Alvaro Manzano, Ignacio G\'omez, Ricardo Vinuesa, Soledad Le Clainche ·

    GenDA: Generative Data Assimilation on Complex Urban Areas via Classifier-Free Diffusion Guidance

    arXiv:2601.11440v3 Announce Type: replace-cross Abstract: Urban wind flow reconstruction is essential for assessing air quality, heat dispersion, and pedestrian comfort, yet remains challenging when only sparse sensor data are available. We propose GenDA, a generative data assimi…

相关实体

相关话题