Les GANs ont depuis plusieurs années démontré leur application pratique dans la génération de visages, de pièces, d’objets.
Cette fois, DeepMind tire profit d’une architecture GAN non pas pour prédire le risque d’averse dans les deux heures, mais pour générer ce que sera le contexte météorologique à cette échéance. Exposé différemment : les images radar d’une zone pour un futur proche sont générées sur la base des images radar de cette même zone pour le passé proche. L’interprétation des images générées permet de procéder à la prédiction de façon localisée dans le temps et l’espace. Ingénieux !
Découvrez l’article de référence :
Skilful precipitation nowcasting using deep generative models of radar
Auteurs : Suman Ravuri, Karel Lenc, Matthew Willson, Dmitry Kangin, Remi Lam, Piotr Mirowski, Megan Fitzsimons, Maria Athanassiadou, Sheleem Kashem, Sam Madge, Rachel Prudden, Amol Mandhane, Aidan Clark, Andrew Brock, Karen Simonyan, Raia Hadsell, Niall Robinson, Ellen Clancy, Alberto Arribas & Shakir Mohamed
Source : https://www.nature.com/
Publication le : 29/09/2021
Envie de rester informé(e) ?
Abonnez-vous à la Newsletter Scal[ia]
Articles connexes
