オムニ・ウェザー：気象生成と理解のための統合マルチモーダル基盤モデル

Omni-Weather: Unified Multimodal Foundation Model for Weather Generation and Understanding

December 25, 2025

著者: Zhiwang Zhou, Yuandong Pu, Xuming He, Yidi Liu, Yixin Chen, Junchao Gong, Xiang Zhuang, Wanghan Xu, Qinglong Cao, Shixiang Tang, Yihao Liu, Wenlong Zhang, Lei Bai

cs.AI

要旨

気象モデリングには正確な予測とメカニズム的解釈の両方が必要であるが、既存手法はこれらの目標を個別に扱い、生成と理解を分離している。この課題を解決するため、我々は気象生成と理解を単一アーキテクチャに統合した初のマルチモーダル基盤モデル「Omni-Weather」を提案する。Omni-Weatherは、気象生成タスクのためのレーダーエンコーダを統合し、共有された自己注意機構を用いた統一的な処理を実現する。さらに、気象生成における因果推論のためのChain-of-Thoughtデータセットを構築し、解釈可能な出力と優れた知覚品質を実現した。大規模な実験により、Omni-Weatherが気象生成と理解の両方で最先端の性能を達成することを示す。生成タスクと理解タスクが気象領域において相互に強化し合えることも明らかになった。Omni-Weatherは気象生成と理解の統合の実現可能性と価値を実証するものである。

English

Weather modeling requires both accurate prediction and mechanistic interpretation, yet existing methods treat these goals in isolation, separating generation from understanding. To address this gap, we present Omni-Weather, the first multimodal foundation model that unifies weather generation and understanding within a single architecture. Omni-Weather integrates a radar encoder for weather generation tasks, followed by unified processing using a shared self-attention mechanism. Moreover, we construct a Chain-of-Thought dataset for causal reasoning in weather generation, enabling interpretable outputs and improved perceptual quality. Extensive experiments show Omni-Weather achieves state-of-the-art performance in both weather generation and understanding. Our findings further indicate that generative and understanding tasks in the weather domain can mutually enhance each other. Omni-Weather also demonstrates the feasibility and value of unifying weather generation and understanding.