OptFormer: Optical Flow-Guided Attention and Phase Space Reconstruction for SST Forecasting

📄 arXiv: 2601.06078v1 📥 PDF

作者: Yin Wang, Chunlin Gong, Zhuozhen Xu, Lehan Zhang, Xiang Wu

分类: cs.CV, physics.ao-ph

发布日期: 2025-12-29

备注: 11 pages,4 figures, 5 tables

💡 一句话要点

OptFormer：光流引导注意力与相空间重构用于海表温度预测

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics) 支柱八：物理动画 (Physics-based Animation)

关键词: 海表温度预测 光流引导 注意力机制 相空间重构 气候建模 长时程预测 时空序列预测

📋 核心要点

  1. 海表温度预测因其非线性时空动态和长预测时程而极具挑战性，现有方法难以有效捕捉。
  2. OptFormer通过光流引导的运动感知注意力机制，并结合相空间重构，聚焦动态区域，提升长程依赖建模能力。
  3. 实验表明，OptFormer在NOAA SST数据集上显著优于现有基线，尤其在准确性和鲁棒性方面表现突出。

📝 摘要（中文）

海表温度（SST）预测在气候建模和灾害预测中起着至关重要的作用。然而，由于其非线性的时空动态和延长的预测范围，这项任务仍然具有挑战性。为了解决这个问题，我们提出了OptFormer，一种新颖的编码器-解码器模型，它集成了相空间重构与由光流引导的运动感知注意力机制。与传统的注意力机制不同，我们的方法利用帧间运动线索来突出空间场中的相对变化，使模型能够专注于动态区域并更有效地捕获长程时间依赖性。在多个空间尺度的NOAA SST数据集上的实验表明，OptFormer在1:1的训练-预测设置下实现了卓越的性能，在准确性和鲁棒性方面显著优于现有的基线。

🔬 方法详解

问题定义：海表温度(SST)预测旨在根据历史SST数据预测未来的SST分布。现有方法难以有效捕捉SST的复杂时空动态，尤其是在长时程预测中，精度和鲁棒性面临挑战。传统方法难以有效利用帧间运动信息，限制了模型对动态变化的感知能力。

核心思路：OptFormer的核心思路是利用光流估计帧间运动信息，并将其融入到注意力机制中，从而引导模型关注SST场中的动态变化区域。同时，结合相空间重构技术，增强模型对时间序列的记忆能力，从而提升长时程预测的准确性。通过运动感知注意力，模型能够更有效地捕获长程时间依赖关系。

技术框架：OptFormer采用编码器-解码器结构。编码器负责提取输入SST序列的时空特征，解码器则基于编码器的输出和光流引导的注意力机制进行未来SST的预测。主要模块包括：1) 光流估计模块，用于计算连续帧之间的光流场；2) 相空间重构模块，用于增强时间序列的记忆能力；3) 运动感知注意力模块，利用光流信息引导注意力权重的计算；4) 编码器和解码器，采用Transformer结构，用于时空特征提取和预测。

关键创新：OptFormer的关键创新在于将光流信息融入到注意力机制中，提出了运动感知注意力。与传统注意力机制不同，OptFormer的注意力权重不仅考虑了特征之间的相似性，还考虑了它们之间的运动关系。这种运动感知注意力能够使模型更加关注SST场中的动态变化区域，从而提升预测的准确性。此外，结合相空间重构，进一步增强了模型对时间序列的建模能力。

关键设计：光流估计采用RAFT模型。相空间重构通过嵌入延迟坐标来扩展输入特征。运动感知注意力机制通过将光流场作为权重调制因子，调整注意力权重。损失函数采用均方误差(MSE)损失。编码器和解码器采用标准的Transformer结构，并进行适当的参数调整以适应SST预测任务。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

OptFormer在NOAA SST数据集上进行了广泛的实验，结果表明，在1:1的训练-预测设置下，OptFormer在准确性和鲁棒性方面显著优于现有的基线方法。具体而言，OptFormer在多个空间尺度上都取得了最佳的预测性能，并且在长时程预测中表现出更强的优势。实验结果验证了光流引导的运动感知注意力机制和相空间重构的有效性。

🎯 应用场景

OptFormer在气候建模、海洋灾害预测（如厄尔尼诺现象预测）等领域具有广泛的应用前景。准确的SST预测可以帮助科学家更好地理解气候变化，为防灾减灾提供科学依据，并为渔业、航运等行业提供决策支持。该研究的成果有助于提升气候预测的精度和可靠性，具有重要的社会和经济价值。

📄 摘要（原文）

Sea Surface Temperature (SST) prediction plays a vital role in climate modeling and disaster forecasting. However, it remains challenging due to its nonlinear spatiotemporal dynamics and extended prediction horizons. To address this, we propose OptFormer, a novel encoder-decoder model that integrates phase-space reconstruction with a motion-aware attention mechanism guided by optical flow. Unlike conventional attention, our approach leverages inter-frame motion cues to highlight relative changes in the spatial field, allowing the model to focus on dynamic regions and capture long-range temporal dependencies more effectively. Experiments on NOAA SST datasets across multiple spatial scales demonstrate that OptFormer achieves superior performance under a 1:1 training-to-prediction setting, significantly outperforming existing baselines in accuracy and robustness.