SimVP模型是一種用於視頻預測的神經網路結構，它通過堆疊Inception單元組成的Encoder-Decoder結構來提取時間特徵並實現時間演化效果。該模型的特點在於不使用RNN、LSTM和Transformer等高級模組，也不採用對抗性訓練和採樣學習等複雜的訓練策略。SimVP的Encoder和Decoder結構相似，主要區別在於卷積操作被替換為反卷積操作。在訓練過程中，SimVP模型採用的損失函式是MSE LOSS。
在論文中，SimVP模型在五個數據集上進行實驗，這些數據集包括訓練集和測試集，以及它們的圖像解析度和輸入長度與預測長度的對比。實驗結果表明，SimVP模型在MAE、MSE、SSIM等評價指標上表現出較好的性能，並且在視頻預測領域具有輕量化且有效的特點。