iFLEX：扩散残差学习用于科学场时间插值，误差低于基线

Pu Ren、Michael W. Mahoney 与 N. Benjamin Erichson 等研究者提出 iFLEX 模型，用条件扩散模型学习修正加权平均插值的残差，以重建科学场数据中缺失的中间时刻场。论文已被 Transactions on Machine Learning Learning Research 接收，代码已公开。 模型以两次观测、目标时间、观测间隔和物理参数为条件，在 Navier-Stokes Kraichnan 湍流、上海雷达降水和海表温度数据集上，重建误差均低于光学流和面向视频帧插值的扩散模型等基线。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。