💻 computer science

U-Net with Hadamard Transform and DCT Latent Spaces for Next-day Wildfire Spread Prediction

Este artículo presenta el TD-FusionUNet, un modelo de aprendizaje profundo ligero que integra transformadas de Hadamard y DCT en espacios latentes para predecir eficazmente la propagación de incendios forestales al día siguiente con alta precisión y un bajo costo computacional.

Autores originales: Yingyi Luo, Shuaiang Rong, Adam Watts, Ahmet Enis Cetin

Publicado 2026-02-13

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Yingyi Luo, Shuaiang Rong, Adam Watts, Ahmet Enis Cetin

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Hola! Imagina que los incendios forestales son como una mancha de tinta que se expande rápidamente sobre un papel. Predecir hacia dónde se moverá esa tinta mañana es vital para salvar vidas y bosques, pero es muy difícil porque el clima, el viento y el terreno son como un caos impredecible.

Los científicos de la Universidad de Illinois y del Servicio Forestal de EE. UU. han creado una nueva herramienta llamada TD-FusionUNet. Aquí te explico cómo funciona usando analogías sencillas:

1. El Problema: Intentar adivinar el futuro

Antes, los expertos usaban simulaciones complejas (como ecuaciones de física muy difíciles) o modelos de inteligencia artificial que eran como "gigantes pesados". Estos gigantes eran muy precisos, pero necesitaban computadoras enormes y mucha energía, como intentar predecir el clima usando una supercomputadora solo para ver si lloverá en tu jardín. Además, a menudo fallaban porque los datos de incendios son escasos y desordenados.

2. La Solución: Un "Chef" Inteligente y Ligero

Ellos crearon un modelo de inteligencia artificial que es ligero, rápido y eficiente. Imagina que en lugar de un chef que necesita un restaurante entero con 100 cocineros (el modelo antiguo), tienen a un chef genio que cocina un plato delicioso en una cocina pequeña con solo 370 ingredientes (parámetros).

Este chef tiene dos trucos mágicos:

Truco A: La "Lupa de Frecuencias" (Transformadas Hadamard y DCT)

Imagina que tienes una foto borrosa de un incendio. Si la miras normal, solo ves manchas de fuego. Pero este modelo tiene unas "lentes mágicas" (llamadas Transformadas de Hadamard y DCT) que convierten la foto en un partitura musical.

En lugar de ver píxeles, el modelo ve "notas" y "ritmos".
Las Transformadas separan la información importante (la melodía fuerte del fuego) del ruido de fondo (las hojas que se mueven).
Al trabajar en este "mundo de frecuencias", el modelo puede entender mejor cómo se mueve el fuego sin tener que leer cada hoja de papel individualmente. Es como escuchar la canción del incendio en lugar de contar cada nota.

Truco B: El "Filtro de Oro" (Umbralización Suave)

Una vez que el modelo tiene la "partitura", necesita decidir qué notas son importantes. Aquí usa un filtro de oro.

Si una nota es muy suave (ruido o datos poco importantes), el filtro la silencia (la pone a cero).
Si la nota es fuerte (el fuego real), la deja pasar.
Esto hace que el modelo sea muy eficiente, ignorando lo que no importa y enfocándose solo en lo crucial.

3. Entrenando al Modelo: El "Juego de Camuflaje"

Entrenar a una IA con pocos datos de incendios es difícil porque hay muy pocos ejemplos de "fuego real" comparado con "bosque seguro". Es como intentar aprender a reconocer un tigre viendo solo una foto en un mar de fotos de gatos.

Para solucionar esto, usaron dos técnicas creativas:

Recorte Aleatorio (Random Margin Cropping): Imagina que tomas la foto del incendio y le haces un "zoom" o la mueves un poco al azar. Esto obliga al modelo a aprender que el fuego no siempre está en el centro exacto, haciéndolo más flexible.
Suavizado de Mezcla Gaussiana: Como los datos de dónde empezó el fuego a veces son borrosos o incompletos, usaron una técnica para "difuminar" los bordes de la imagen de entrenamiento. Es como si le dieran al modelo un mapa con bordes borrosos para que aprenda a adivinar dónde está el fuego incluso si no tiene los límites perfectos.

4. El Resultado: Un Héroe de Bolsillo

¿Qué lograron?

Precisión: Su modelo (TD-FusionUNet) es tan bueno como los modelos gigantes (como los que usan ResNet18), pero es 38 veces más pequeño.
Velocidad: Al ser tan ligero, podría funcionar incluso en dispositivos pequeños o en la "nube" sin gastar una fortuna en energía.
Efectividad: En las pruebas, logró predecir correctamente la expansión del fuego con una puntuación de 0.591 (F1-score), superando a los modelos anteriores que usaban mucho más poder de cómputo.

En Resumen

Esta investigación es como haber creado un GPS de incendios que cabe en tu bolsillo. En lugar de usar un motor de avión para mover una bicicleta, usan un motor de bicicleta muy inteligente que sabe exactamente cómo funciona el terreno. Al convertir las imágenes en "música" (frecuencias) y filtrar el ruido, logran predecir dónde irá el fuego mañana, ayudando a los bomberos a estar en el lugar correcto en el momento justo.

A continuación presento un resumen técnico detallado del artículo "U-NET WITH HADAMARD TRANSFORM AND DCT LATENT SPACES FOR NEXT-DAY WILDFIRE SPREAD PREDICTION" en español.

1. Planteamiento del Problema

Los incendios forestales representan una amenaza devastadora con pérdidas económicas y humanas crecientes, exacerbadas por el cambio climático. La predicción de la propagación de incendios para el día siguiente es crucial para la asignación óptima de recursos y la respuesta de emergencia.

Limitaciones actuales: Los enfoques tradicionales (simuladores empíricos, modelos deterministas y análisis estadístico) luchan por capturar las interacciones no lineales complejas entre variables ambientales.
Desafíos del Deep Learning: Aunque las redes neuronales profundas ofrecen oportunidades, los modelos existentes para predicción de incendios suelen tener un alto costo computacional, requieren grandes cantidades de datos y a menudo no están optimizados para entornos con recursos limitados (como la computación en el borde o edge computing). Además, los datos de incendios suelen ser escasos y desequilibrados (pocos píxeles de fuego frente a muchos de fondo).

2. Metodología Propuesta

Los autores proponen TD-FusionUNet (Transform Domain Fusion UNet), una arquitectura ligera y eficiente que integra transformaciones ortogonales en el espacio latente.

A. Arquitectura de la Red

El modelo se basa en una variante de la red U-Net, pero con modificaciones clave en las capas de transformación:

Capas de Transformación Entrenables: En lugar de solo convoluciones estándar, se insertan capas de Transformada de Hadamard (HT) y Transformada Discreta del Coseno (DCT).
- Estas transformaciones se aplican en el dominio espacial (2D) a los mapas de características.
- Se utilizan matrices de Hadamard no normalizadas y bases DCT-II ortonormales.
Mecanismo de Proceso:
- Transformación: Los datos se mapean al dominio de Hadamard o DCT.
- Escalado y Umbralización: Se aplica una multiplicación por una matriz de pesos escalables entrenables, seguida de una operación de umbralización suave (soft-thresholding). Esto suprime coeficientes pequeños (ruido) y retiene los patrones esenciales, mejorando la eficiencia.
- Reconstrucción: Se utiliza la transformada inversa (IHT o IDCT) para volver al dominio espacial.
Red Dual (TD-FusionUNet):
- Se implementa una rama paralela: una rama superior utiliza DCT y una inferior utiliza HT.
- Las salidas de ambas ramas se fusionan mediante una capa totalmente conectada y sumas elementales durante la fase de decodificación.
- Esto permite aprender características complementarias: la mezcla global del dominio de Hadamard y las representaciones de frecuencia del dominio DCT.

B. Técnicas de Preprocesamiento Personalizado

Para abordar la escasez de datos y el desequilibrio de clases (pocos píxeles de fuego):

Recorte de Margen Aleatorio (Random Margin Cropping): Se perturba la máscara binaria original. Los píxeles de fondo (0) se reemplazan con valores aleatorios pequeños ( $U(0.01, 0.03)$ ) y los píxeles de fuego (1) con valores altos ( $U(0.8, 0.99)$ ). Esto enriquece la representación y evita el sobreajuste a máscaras binarias estrictas.
Suavizado con Mezcla Gaussiana: Se aplica desenfoque gaussiano a las máscaras con diferentes desviaciones estándar ( $\sigma$ ) y se promedian para generar mapas de probabilidad suave. Esto ayuda a manejar datos faltantes y a generalizar mejor los límites del fuego.

3. Contribuciones Clave

Eficiencia Computacional: Desarrollo de un modelo ligero (370k parámetros) que supera a modelos basados en ResNet18 (14M parámetros) en precisión, haciéndolo viable para despliegue en el borde.
Aprendizaje en Dominio Transformado: Introducción de capas de Hadamard y DCT entrenables dentro de una U-Net, permitiendo al modelo capturar componentes de frecuencia esenciales en espacios latentes ortogonalizados con menos parámetros que las convoluciones tradicionales.
Estrategias de Datos: Implementación de técnicas de preprocesamiento específicas para datos de incendios (máscaras binarias dispersas) que mejoran significativamente la capacidad de generalización del modelo.
Escalabilidad Modular: El diseño permite escalar la capacidad del modelo (ej. duplicando ramas o ancho de canal) manteniendo la inductividad del dominio transformado.

4. Resultados Experimentales

El modelo fue evaluado en dos conjuntos de datos públicos: el conjunto de datos de Google Research (2023) y el conjunto WildfireSpreadTS.

En el conjunto de datos de Google:
- La variante TD-FusionUNet (con ancho de canal base 8) alcanzó un F1-score de 0.702 y un IoU de 0.555.
- Superó consistentemente a un Autoencoder CNN 2D y a una U-Net con solo transformada de Hadamard (HT-UNet), tanto en configuraciones estándar como con preprocesamiento personalizado.
En el conjunto de datos WildfireSpreadTS:
- El TD-FusionUNet logró un F1-score de 0.591 con solo 370k parámetros.
- Comparativa: Superó a la línea base de U-Net con codificador ResNet18 (que tiene 14M parámetros y obtuvo un F1 de 0.589), demostrando una relación superior entre precisión y eficiencia.
- La variante con ancho de canal 8 fue la óptima, indicando que la mejora no se debe solo al aumento de parámetros, sino al diseño del dominio transformado.
Visualización: Los resultados cualitativos mostraron que el modelo captura con precisión la extensión espacial del fuego, con pocos falsos negativos (áreas de fuego no detectadas) y falsos positivos manejables.

5. Significado e Impacto

Este trabajo demuestra que es posible lograr una alta precisión en la predicción de la propagación de incendios forestales utilizando arquitecturas de red neuronal extremadamente ligeras.

Aplicabilidad en Tiempo Real: La reducción drástica de parámetros (de millones a cientos de miles) permite la implementación en dispositivos con recursos limitados, facilitando la predicción en tiempo real en zonas remotas o afectadas.
Nueva Dirección en Visión por Computador: La integración exitosa de transformadas ortogonales (Hadamard y DCT) como capas entrenables sugiere un nuevo paradigma para el diseño de redes neuronales eficientes, especialmente en problemas donde los datos son escasos y las características espaciales/frecuenciales son críticas.
Gestión de Desastres: Proporciona una herramienta práctica para mejorar la respuesta de emergencia y la mitigación de desastres naturales, abordando la creciente frecuencia e intensidad de los incendios forestales.