Weather forecasting is one of the main research topics in meteorology and the satellite video can be used for weather nowcasting which refers forecasting weather within one to six hours. Therefore, predicting satellite video is very important task for weather nowcasting. In this paper, we propose a novel long-term multi-channel satellite video prediction network based on deep learning model. The proposed network consists of two parts, which are the attentive video predictor and the multiple 3D discriminators. The attentive video predictor gets multi-channel satellite videos as an input and encodes spatio-temporal features for prediction. The multiple 3D discriminators are trained to distinguish whether the input satellite video is real satellite video or predicted satellite video. As a result, the attentive video predictor can predict satellite video with realistic distribution. For the evaluation of long-term multi-channel satellite video prediction, we use satellite videos from COMS-1. Experimental results show that the proposed network predicted satellite video with remarkable quality.
날씨 예측은 기상학적으로 매우 중요한 연구 주제이며 위성 영상은 한 시간에서 여섯 시간 이내의 날씨를 예측하기 위해 사용된다. 따라서, 위성 영상을 예측하는 것은 날씨 예측을 위해 중요하다. 본 학위 논문에서는 딥 러닝 모델에 기반을 둔 장기간 다중 채널 위성 영상 예측 네트워크를 제안한다. 제안된 네트워크는 어텐티브 비디오 예측기와 여러 개의 3D 판별기로 구성되어 있다. 어텐티브 비디오 예측기는 다중 채널 위성 영상을 입력으로 받아 시공간적 특징을 추출한다. 여러 개의 3D 판별기는 진짜 위성 영상과 가짜 위성 영 을 구분한다. 결과적으로 어텐티브 비디오 예측기는 진짜와 같은 위성 영상을 만들 수 있다. 장기간 다중 널 위성 영상 예측을 위해 COMS1의 위성 영상을 사용하였으며 험 결과는 제안된 네트워크가 위성 영상을 잘 예측함을 보여준다.
