【每日论文】Harnessing Vision Models for Time Series Analysis: A Survey

下载PDF或阅读论文，请点击：LlamaFactory - huggingface daily paper - 每日论文解读 | LlamaFactory | LlamaFactory

摘要

时间序列分析从传统的自回归模型、深度学习模型，发展到最近的Transformer和大型语言模型（LLM），经历了令人鼓舞的发展。在利用视觉模型进行时间序列分析方面也作出了一些努力，但由于该领域在序列建模方面的研究占据主导地位，这些努力对社区来说并不那么明显。然而，连续时间序列与LLM的离散标记空间之间的差异，以及显式地建模多变量时间序列中变量之间相关性的挑战，使得一些研究关注点转向同样成功的大型视觉模型（LVM）和视觉语言模型（VLM）。为了填补现有文献的空白，这篇综述讨论了视觉模型在时间序列分析中相对于LLM的优势。它提供了一个全面深入的概述，现有方法，同时从详细的分类法角度提供了双重观点，回答了关键研究问题，包括如何将时间序列编码为图像，以及如何针对各种任务对图像化时间序列进行建模。此外，我们讨论了在此框架中涉及的前处理和后处理步骤的挑战，并概述了利用视觉模型进一步推进时间序列分析的未来方向。

一句话总结

本文全面调查了利用视觉模型进行时间序列分析的方法，并提供了对现有方法的深入概述。

问题1：这篇论文想要解决什么具体问题࿱