A Scale-Adaptive Framework for Joint Spatiotemporal Super-Resolution with Diffusion Models

Resumen Técnico: Un Marco Adaptable a la Escala para la Super-Resolución Espaciotemporal Conjunta con Modelos de Difusión

1. El Problema

La super-resolución de video (VSR) basada en aprendizaje profundo ha avanzado rápidamente, pero su aplicación en ciencias del clima enfrenta una barrera crítica: la falta de adaptabilidad a la escala.

• Limitación actual: La mayoría de los modelos existentes están diseñados y entrenados para un único par de factores de super-resolución (espacial $S$ y temporal $T$) y una combinación fija de cuadrícula y cadencia temporal.
• Consecuencia: En meteorología, donde los datos provienen de fuentes heterogéneas (satélites, radares, estaciones) con resoluciones diversas, los investigadores deben rediseñar arquitecturas completas para cada nuevo conjunto de datos o resolución objetivo. Esto es computacionalmente costoso y poco escalable.
• Desafío específico: La precipitación es una variable particularmente difícil debido a su alta intermitencia, estadísticas no gaussianas y la necesidad de preservar eventos extremos y totales acumulados (conservación de masa).

2. Metodología

Los autores proponen un marco adaptable a la escala que reutiliza la misma arquitectura fundamental para diferentes factores de super-resolución, requiriendo solo el ajuste de tres hiperparámetros antes del reentrenamiento.

A. Descomposición del Problema
El modelo divide la super-resolución espaciotemporal en dos etapas:

1. Predicción Determinista (Media Condicional): Un U-Net predictivo estima el campo medio de alta resolución. Esta etapa captura la estructura condicional básica y la evolución temporal.
2. Generación Estocástica (Residuos): Un modelo de difusión condicional genera los residuos (incertidumbre de alta frecuencia) alrededor de la media predicha. Esto permite generar múltiples escenarios plausibles en lugar de una sola estimación puntual.

B. Arquitectura Clave

• Atención Espaciotemporal: Se utiliza un U-Net con mecanismos de atención (auto-atención temporal y atención espacial en ventanas) para capturar correlaciones a largo plazo y detalles locales.
• Conservación de Masa: Se incluye una transformación opcional que ajusta las predicciones para que la masa total (cantidad de precipitación) en la salida coincida con la masa agregada de la entrada de baja resolución, preservando los totales acumulados.
• Reutilización de Pesos: Aunque la arquitectura es idéntica para todos los pares $(S, T)$, cada par entrena una instancia separada con pesos propios, pero comparte el diseño estructural.

C. Adaptabilidad de Escala (Hiperparámetros Ajustables)
La adaptabilidad se logra modificando solo tres hiperparámetros dependientes del factor de super-resolución:

1. Longitud de Contexto Temporal ($L$): Se ajusta para mantener horizontes de atención comparables entre diferentes cadencias temporales. Se define el "tiempo de atención" ($AT = T \times L$).
2. Programador de Ruido ($\beta$): La amplitud del programa de ruido en el modelo de difusión se aumenta para factores de super-resolución más grandes. Esto refleja la mayor incertidumbre y subdeterminación al generar más píxeles a partir de menos información, promoviendo la diversidad de los escenarios.
3. Función de Conservación de Masa ($F$): Se ajusta (generalmente mediante funciones de potencia o umbrales) para limitar la amplificación de valores extremos cuando los factores de super-resolución son altos, calibrando la distribución de la precipitación.

3. Contribuciones Clave

• Marco Unificado: Presentación de una arquitectura de difusión basada en video que funciona para factores espaciales de 1 a 25 y temporales de 1 a 6 sin rediseñar el modelo.
• Eficiencia de Diseño: Reducción de la carga de ingeniería al permitir el reentrenamiento de modelos existentes con solo 3 parámetros sintonizados, en lugar de crear arquitecturas desde cero.
• Preservación de Extremos y Masa: Integración exitosa de modelos de difusión para manejar la naturaleza estocástica de la precipitación, superando la tendencia de los modelos deterministas a suavizar extremos, junto con una transformación de conservación de masa para mantener la integridad física de los totales.
• Validación en Datos Reales: Demostración del enfoque en datos de reanálisis de precipitación (Coméphore) sobre Francia, un conjunto de datos complejo y con valores cero inflados.

4. Resultados

El modelo fue evaluado en cuatro pares de factores de super-resolución: $(1,3), (10,1), (10,3)$ y $(25,6)$.

• Rendimiento Cuantitativo: El modelo completo (Determinista + Difusión + Atención) superó significativamente a las líneas base (interpolación bicúbica, vecino más cercano y EDSR) en la mayoría de las métricas, incluyendo error cuadrático medio (MSE), error absoluto medio (MAE) y métricas climáticas como el CRPS y la preservación del percentil 99 (extremos).
  • Las mejoras fueron del orden de un factor de 10 en comparación con las líneas base en métricas clave.
  • El modelo determinista por sí solo ya superaba a las líneas base, pero la adición del módulo de difusión mejoró drásticamente la preservación de la estructura y los extremos.
• Rendimiento Cualitativo: Las visualizaciones mostraron que el modelo genera escenarios diversos y realistas que capturan correctamente la evolución a gran escala y los eventos extremos locales, algo que los modelos deterministas y las interpolaciones simples no logran.
• Comportamiento de Hiperparámetros: Se observó que a medida que aumentan los factores de super-resolución (especialmente el temporal $T$), es necesario aumentar $\beta_{max}$ (para mayor diversidad) y ajustar la función $F$ (para evitar la sobreestimación de extremos), confirmando la hipótesis de que la mayor incertidumbre se gestiona mediante la calibración del ruido y la función de escala, no cambiando la arquitectura.

5. Significado e Impacto

• Aplicabilidad Climática: Este marco facilita el downscaling (escalamiento hacia abajo) de datos climáticos para aplicaciones de impacto, como la predicción de inundaciones repentinas, al permitir generar ensembles realistas de precipitación a alta resolución a partir de datos de baja resolución.
• Eficiencia Operativa: Al estandarizar la arquitectura, se reduce la barrera de entrada para aplicar super-resolución en diferentes regiones y escalas temporales, haciendo que los pipelines sean menos específicos del problema y más reutilizables.
• Futuro: Aunque el modelo requiere un entrenamiento separado por par de factores, el trabajo sienta las bases para futuras arquitecturas "fundacionales" que puedan compartir pesos entre diferentes escalas y manejar datos ruidosos del mundo real (no solo escenarios de "modelo perfecto").

En resumen, el artículo demuestra que es posible crear un sistema de super-resolución espaciotemporal robusto y flexible para la precipitación, combinando la precisión de los modelos deterministas con la capacidad de generar incertidumbre de los modelos de difusión, todo ello bajo un marco de diseño unificado y adaptable.