Fugu-MT 論文翻訳(概要): Visual Time Series Forecasting: An Image-driven Approach

論文の概要: Visual Time Series Forecasting: An Image-driven Approach

arxiv url: http://arxiv.org/abs/2107.01273v1
Date: Fri, 2 Jul 2021 20:59:48 GMT
ステータス: 処理完了
システム内更新日: 2021-07-06 15:07:17.204361
Title: Visual Time Series Forecasting: An Image-driven Approach
Title（参考訳）: Visual Time Series Forecasting: イメージ駆動型アプローチ
Authors: Naftali Cohen, Srijan Sood, Zhen Zeng, Tucker Balch, Manuela Veloso
Abstract要約: 入力データを画像としてキャプチャし、モデルを訓練してその後の画像を生成する。このアプローチは、ポイントワイズ値とは対照的に分布を予測する。実験の結果,我々の予測ツールは循環データには有効であるが,株価などの不規則データには有効ではないことがわかった。
参考スコア（独自算出の注目度）: 15.98940788318796
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this work, we address time-series forecasting as a computer vision task. We capture input data as an image and train a model to produce the subsequent image. This approach results in predicting distributions as opposed to pointwise values. To assess the robustness and quality of our approach, we examine various datasets and multiple evaluation metrics. Our experiments show that our forecasting tool is effective for cyclic data but somewhat less for irregular data such as stock prices. Importantly, when using image-based evaluation metrics, we find our method to outperform various baselines, including ARIMA, and a numerical variation of our deep learning approach.
Abstract（参考訳）: 本研究では,時系列予測をコンピュータビジョンタスクとして扱う。入力データを画像としてキャプチャし,モデルをトレーニングして次の画像を生成する。このアプローチは、ポイントワイズ値とは対照的に分布を予測する。提案手法のロバスト性と品質を評価するため,様々なデータセットと複数の評価指標について検討する。実験の結果, 予測ツールは循環データには有効であるが, 株価などの不規則データには若干少ないことがわかった。重要な点は、画像に基づく評価メトリクスを使用する場合、arimaを含むさまざまなベースラインと、ディープラーニングアプローチの数値的変化を比較できる方法を見つけることです。

関連論文リスト

Context is Key: A Benchmark for Forecasting with Essential Textual Information [87.3175915185287]
コンテキスト・イズ・キー (Context is Key) (CiK) は、時系列予測ベンチマークであり、様々な種類のテキストコンテキストと数値データをペアリングする。我々は,統計モデル,時系列基礎モデル,LLMに基づく予測モデルなど,さまざまなアプローチを評価する。実験では、文脈情報の導入の重要性を強調し、LLMに基づく予測モデルを用いた場合の驚くべき性能を示すとともに、それらの重要な欠点を明らかにした。
論文参考訳（メタデータ） (2024-10-24T17:56:08Z)
Using Images as Covariates: Measuring Curb Appeal with Deep Learning [0.0]
本稿では、画像データを従来の計量モデルに統合する革新的な手法を詳述する。住宅不動産の販売価格予測に動機づけられた深層学習の力を活用して「情報」を付加する各画像内で提示される特異な特徴は、さらに汎視的セグメンテーションによって符号化された。符号化されたデータに基づいてトレーニングされたニューラルネットワークからの予測は、サンプル外予測能力を改善する。
論文参考訳（メタデータ） (2024-03-29T02:03:00Z)
Deep Domain Adaptation: A Sim2Real Neural Approach for Improving Eye-Tracking Systems [80.62854148838359]
眼球画像のセグメンテーションは、最終視線推定に大きな影響を及ぼす眼球追跡の重要なステップである。対象視線画像と合成訓練データとの重なり合いを測定するために,次元還元法を用いている。提案手法は,シミュレーションと実世界のデータサンプルの相違に対処する際の頑健で,性能が向上する。
論文参考訳（メタデータ） (2024-03-23T22:32:06Z)
From Pixels to Predictions: Spectrogram and Vision Transformer for Better Time Series Forecasting [15.234725654622135]
時系列予測は、様々な領域における意思決定において重要な役割を担っている。近年,これらの課題に対処するために,コンピュータビジョンモデルを用いた画像駆動アプローチが研究されている。時系列データの視覚的表現として時間周波数スペクトログラムを用いる新しい手法を提案する。
論文参考訳（メタデータ） (2024-03-17T00:14:29Z)
CorrEmbed: Evaluating Pre-trained Model Image Similarity Efficacy with a Novel Metric [6.904776368895614]
我々は、CorrEmbedという新しいアプローチを用いて、事前訓練されたコンピュータビジョンモデルから画像埋め込みの有効性を評価する。本研究では,画像埋め込みにおける距離と人為的タグベクトルにおける距離との相関を計算した。また,このパターンからの逸脱を同定し,異なるモデルが高レベル画像の特徴をどのように捉えているかについての洞察を与える。
論文参考訳（メタデータ） (2023-08-30T16:23:07Z)
Evaluating Data Attribution for Text-to-Image Models [62.844382063780365]
我々は,既存の大規模モデルを与えられた模範オブジェクトやスタイルにチューニングする「カストミゼーション」手法による属性評価を行う。私たちのキーとなる洞察は、これによって、構築によって模範にコンピュータ的に影響される合成画像を効率的に作成できるということです。問題の本質的な不確実性を考慮することで、一連のトレーニング画像に対してソフトな属性スコアを割り当てることができる。
論文参考訳（メタデータ） (2023-06-15T17:59:51Z)
Effective Robustness against Natural Distribution Shifts for Models with Different Training Data [113.21868839569]
効果的ロバスト性」は、分配内(ID)性能から予測できる以上の余分な分配外ロバスト性を測定する。異なるデータに基づいてトレーニングされたモデルの有効ロバスト性を評価・比較するための新しい評価指標を提案する。
論文参考訳（メタデータ） (2023-02-02T19:28:41Z)
TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
論文参考訳（メタデータ） (2022-02-07T21:37:29Z)
Multimodal Contrastive Training for Visual Representation Learning [45.94662252627284]
マルチモーダルデータを取り入れた視覚表現の学習手法を開発した。本手法は,各モダリティおよびセマンティクス情報内の本質的なデータ特性をクロスモーダル相関から同時に利用する。統合フレームワークにマルチモーダルトレーニングを組み込むことで,より強力で汎用的な視覚的特徴を学習することができる。
論文参考訳（メタデータ） (2021-04-26T19:23:36Z)
Visual Time Series Forecasting: An Image-driven Approach [16.57996422431636]
エージェントが決定を下すためには時系列予測が不可欠である。実践者からインスパイアされた我々は、視覚的な予測を生成する新しいフレームワークを作成することで、このトピックを再想像する。
論文参考訳（メタデータ） (2020-11-18T02:51:37Z)
From ImageNet to Image Classification: Contextualizing Progress on Benchmarks [99.19183528305598]
ImageNet作成プロセスにおける特定の設計選択が、結果のデータセットの忠実性に与える影響について検討する。私たちの分析では、ノイズの多いデータ収集パイプラインが、結果のベンチマークと、それがプロキシとして機能する実世界のタスクとの間に、体系的なミスアライメントをもたらす可能性があることを指摘しています。
論文参考訳（メタデータ） (2020-05-22T17:39:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。