本論文では、気象熱マップ解析の難しさを解決するための新しいアルゴリズムSPOT（Sparse Position and Outline Tracking）を提示します。 SPOTは、不規則な形状と複雑な色の変化を持つサーマルマップの領域を正確に識別し、位置を特定して構造化表現を可能にします。これに基づいて、風速、降水量、体感温度、不快指数分析のための26,280の高解像度の熱マップと762,120のディレクティブサンプルからなる新しい気象視覚的質疑応答（VQA）データセットであるClimateIQAを構築しました。 ClimateIQAは、空間的手がかり、地理的メタデータ、および再分析データを統合してVLMトレーニングを向上させます。最後に、SPOTを活用したClimateIQAをベースに微調整されたVLMsであるClimate-Zooを開発し、既存モデルより気象熱マップ作業で性能を大幅に向上させました。
