統計学輪講 第25回

空間補間は空間的に点在する地点ごとのデータに対するデータ補間手法であり，各観測地点で得られたデータを用いて，観測地点周辺の地点における未知データの補間を行う手法である．古典的な空間補間手法としては，推測すべきデータを既知データ値の線形和として表現するInverse Distance Weighted法(IDW)・Ordinary Kriging(OK)などが知られている．しかし，これらの古典的手法はデータの空間的パターンを捉えるにはモデルの表現力が不十分であることが[1]で指摘されている．

本発表では空間補間のための深層生成ネットワークであるCED-GANを提案した文献[1]を紹介する。この手法は条件付き敵対的生成ネットワーク(C-GAN)[2]の生成器ネットワークにencoder-decoder機構を組み込むことで，データの空間的パターンを表現した補間を行うことを目的としている．数値標高データ(DEM)を用いた数値実験により提案手法が既存手法に比べて優れた性能を持つことの実証を行った[1]．

[1]Zhu, Di, et al. "Spatial interpolation using conditional generative adversarial neural networks." International Journal of Geographical Information Science 34.4 (2020): 735-758.
[2]Mirza, Mehdi, and Simon Osindero. "Conditional generative adversarial nets." arXiv preprint arXiv:1411.1784 (2014).