近日，我院计算机视觉团队一项研究成果：“From Swath to Full-Disc: Advancing Precipitation Retrieval with Multimodal Knowledge Expansion”被数据挖掘领域顶级会议、CCF A类会议ACM SIGKDD 2025（Association for Computing Machinery Special Interest Group on Knowledge Discovery and Data Mining，简称KDD 2025）接收。上述成果为AI for Meteorology领域的面向降水反演方向的最新研究进展。论文的第一作者为王铮博士，第二作者为研究生应楷，通讯作者为白琮教授，共同作者包括国家气象信息中心的徐宾研究员和王春娇博士。

该论文首次提出了降水反演外扩任务，旨在利用高时空分辨率的红外数据学习时空受限的微波观测数据，反演高精度、高时空分辨率的降水。针对此问题，该论文构建了一个两阶段的多模态知识扩展流程，通过引入掩码蒸馏与小波增强，利用自掩码微调策略，整合观测数据中的高质量降水信息，引导模型从轨道反演向全圆盘反演的泛化。该方法在多个指标上全面优于现有产品，在保持5分钟、4公里的高时空分辨率的同时，显著提升了降水反演的准确性与空间一致性，展示了其在全球范围高频率降水监测中的潜力与应用前景。

KDD是数据挖掘领域的国际顶级会议。由美国计算机协会知识发现与数据挖掘专委会主办，自1989年起举办，旨在推动数据挖掘、知识发现与数据科学的理论、方法与应用的发展，促进该领域前沿技术的交流与合作。KDD涵盖的研究方向包括数据挖掘、机器学习、数据科学、预测分析等，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8月3日-8月7日在加拿大的多伦多举行。

题目: From Swath to Full-Disc: Advancing Precipitation Retrieval with Multimodal Knowledge Expansion

作者：Zheng Wang, Kai Ying, Bin Xu, Chunjiao Wang, Cong Bai*