본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

Title Page 2

Contents 5

Abstract 6

1. Introduction 9

2. Related Work 11

3. Problem Definition 13

4. Dataset Collection 14

4.1. Processing Weather Notice 14

4.2. Processing Satellite Imagery 16

4.3. Analysis 16

4.4. Meteorological Phenomena Labels 18

5. Method 21

6. Experiments 22

6.1. Experimental Settings 22

6.2. Metric 23

6.3. Distribution Analysis 24

6.4. Verification of Weather Information Inclusion in Similar Images 26

6.5. Weather Prediction Evaluation 27

6.6. Zero-shot Weather Phenomena Search 27

6.7. Ablation Study 29

6.7.1. Evaluation of Date Relevance 29

6.7.2. Impact of Image Reconstruction Loss on Embedding Quality 30

7. Conclusion 32

References 33

국문 요약 35

List of Tables 8

표 1. COMS satellite channels characteristics and their applications 18

표 2. Characteristics and values of COMS imagery 18

표 3. Characteristics and Values of Weather Notices 19

표 4. Change in heterophily ratio during training 25

표 5. Multilabel classification result 28

표 6. Ablation study of relation days (BBOW). (Higher is better.) 29

표 7. Ablation study of relation days (SBERT). (Higher is better.) 30

표 8. Ablation study of image reconstruction loss. (Higher is better.) 30

List of Figures 7

Figure 1. COSMO framework 10

Figure 2. The original document of the weather notice provided by the KMA 15

Figure 3. Visualization of norms in COMS satellite images 17

Figure 4. Processed weather notice text 20

Figure 5. Visualization of embedding distributions before and after training 25

Figure 6. Similarity matrix after training (up) and before training (down) 26

Figure 7. Image-image retrieval (BBOW) 26

Figure 8. Image-image retrieval (SBERT) 26

Figure 9. Weather prediction top-k similarity (BBOW) 27

Figure 10. Weather prediction top-k similarity (SBERT) 27

Figure 11. Visualization of word embedding distribution 28

Figure 12. Comparison of retrieval results for query images 31

초록보기

 기상 현상 예측은 정확한 정보를 바탕으로 이루어져야 하며, 이를 위해 위성 영상과 기상 통보문의 유기적인 결합이 중요하다. 그러나 기존의 기상 영상 임베딩 기법들은 영상의 구조적 유사성만을 반영하는 경우가 많아, 기상 현상에 대한 의미적 관계를 충분히 고려하지 못하는 한계가 있다. 본 연구에서는 이러한 문제를 해결하기 위해, 기상 위성 영상과 기상 통보문 간의 의미적 관계를 학습하는 새로운 임베딩 방법론인 COSMO(Contrastive Optimization of Satellite and Meteorological Observations)를 제안한다. COSMO는 기상 통보문을 통해 기상 정보를 효과적으로 반영한 위성 영상 임베딩을 생성하며, 실험을 통해 이미지-이미지 및 이미지-통보문 검색에서 기존 방법들보다 더 나은 성능을 보였다. 본 연구는 기상 예측의 정확도를 높이는 데 기여할 수 있는 새로운 방법론을 제시한다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기