近日，我院计算机视觉团队一项研究成果：“TCP-Diffusion: A Multi-modal Diffusion Model for Global Tropical Cyclone Precipitation Forecasting with Change Awareness”被机器学习领域顶级会议、CCF A类会议ICML 2025（Forty-Second International Conference on Machine Learning，简称ICML 2025）接收。上述成果为AI for Meteorology领域的面向台风降雨预报方向的最新研究进展。论文的第一作者为博士生黄诚，通讯作者为白琮教授，共同作者包括穆攀老师以及英国布里斯托大学的Peter A G Watson博士。

该论文提出了首个面向全球台风降水预测的多模态扩散模型。针对现有方法误差累积严重、物理一致性差等问题，该方法提出以降水变化趋势为目标的相邻残差预测机制，并融合多源环境变量与数值天气预报（NWP）结果进行联合建模。该方法能够以3小时分辨率预测未来12小时内台风中心周围的降水分布，在多个预测指标上均优于现有深度学习模型和传统NWP方法，展现出优秀的台风降雨预测能力。

ICML是机器学习领域的国际顶级会议。由国际机器学习学会（International Machine Learning Society, IMLS）于1980年创立，旨在推动机器学习理论、方法与应用的发展，促进该领域前沿技术的交流与合作。ICML涵盖的研究方向包括监督学习、无监督学习、强化学习、生成模型等，在学术界与工业界均具有广泛影响。该会议被中国计算机学会（CCF）推荐为该领域的A类国际学术会议。本次会议将于2025年7月13日-7月19日在加拿大的温哥华举行。

题目: TCP-Diffusion: A Multi-modal Diffusion Model for Global Tropical Cyclone Precipitation Forecasting with Change Awareness

作者： Cheng Huang, Pan Mu, Cong Bai*, Peter AG Watson