Omni-Weather: Унифицированная мультимодальная фундаментальная модель для генерации и анализа погодных условий
Omni-Weather: Unified Multimodal Foundation Model for Weather Generation and Understanding
December 25, 2025
Авторы: 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
Аннотация
Моделирование погоды требует как точного прогнозирования, так и механистической интерпретации, однако существующие методы рассматривают эти цели изолированно, разделяя генерацию и понимание. Для преодоления этого разрыва мы представляем Omni-Weather — первую мультимодальную базовую модель, объединяющую генерацию и анализ погодных данных в единой архитектуре. Omni-Weather интегрирует радарный энкодер для задач генерации погоды с последующей унифицированной обработкой с помощью общего механизма самовнимания. Кроме того, мы создали набор данных «Цепочка рассуждений» для причинно-следственного анализа в генерации погоды, что обеспечивает интерпретируемость результатов и повышает перцептивное качество. Многочисленные эксперименты показывают, что Omni-Weather достигает передовых результатов как в генерации, так и в анализе погодных данных. Наши результаты также свидетельствуют о взаимном усилении генеративных и аналитических задач в области метеорологии. Omni-Weather демонстрирует осуществимость и ценность объединения генерации и понимания погодных явлений.
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.