본 논문은 극심한 기상 현상의 영향을 완화하는 데 중요한 강수량 예측을 위한 BlockGPT 모델을 소개합니다. BlockGPT는 배칭 토큰화(Block) 방식을 사용하는 생성적 자기 회귀 변환기로, 각 시간 단계에서 전체 2차원 필드(프레임)를 예측합니다. 공간-시간을 분해하여 각 프레임 내에서 자체 주의, 프레임 간 인과적 주의를 사용합니다. KNMI (네덜란드) 및 SEVIR (미국) 강수량 데이터 세트에서 NowcastingGPT 및 DiffCast+Phydnet과 같은 최첨단 모델과 비교하여 BlockGPT의 성능을 평가했습니다. 그 결과 BlockGPT는 정확성, 이벤트 지역화 및 추론 속도 측면에서 우수한 성능을 보였습니다.
시사점, 한계점
•
시사점:
◦
BlockGPT는 강수량 예측에서 정확도와 이벤트 지역화 측면에서 우수한 성능을 보였습니다.
◦
기존 모델 대비 최대 31배 빠른 추론 속도를 달성하여 실시간 적용에 적합합니다.
◦
BlockGPT는 비디오 예측을 위한 모델 독립적 패러다임으로 제시되어 다른 응용 분야에도 적용 가능성을 시사합니다.
