論文の概要: How Can Time Series Analysis Benefit From Multiple Modalities? A Survey and Outlook

• arxiv url: http://arxiv.org/abs/2503.11835v1
• Date: Fri, 14 Mar 2025 19:56:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 15:59:38.276400
• Title: How Can Time Series Analysis Benefit From Multiple Modalities? A Survey and Outlook
• Title（参考訳）: 時系列分析が複数のモダリティから利益を得るには? : 調査と展望
• Authors: Haoxin Liu, Harshavardhan Kamarthi, Zhiyuan Zhao, Shangqing Xu, Shiyu Wang, Qingsong Wen, Tom Hartvigsen, Fei Wang, B. Aditya Prakash,
• Abstract要約: 時系列分析(TSA)は、データマイニングコミュニティにおいて長年研究されてきたトピックであり、現実世界において大きな意味を持つ。 最近のTSA研究は、新しい研究分野、すなわち、TSAのためのMultiple Modalities(MM4TSA)を形成している。 この調査は、この新興分野の総合的なレビューと詳細な展望を提供する最初のものだ。
• 参考スコア（独自算出の注目度）: 37.50017849426433
• License:
• Abstract: Time series analysis (TSA) is a longstanding research topic in the data mining community and has wide real-world significance. Compared to "richer" modalities such as language and vision, which have recently experienced explosive development and are densely connected, the time-series modality remains relatively underexplored and isolated. We notice that many recent TSA works have formed a new research field, i.e., Multiple Modalities for TSA (MM4TSA). In general, these MM4TSA works follow a common motivation: how TSA can benefit from multiple modalities. This survey is the first to offer a comprehensive review and a detailed outlook for this emerging field. Specifically, we systematically discuss three benefits: (1) reusing foundation models of other modalities for efficient TSA, (2) multimodal extension for enhanced TSA, and (3) cross-modality interaction for advanced TSA. We further group the works by the introduced modality type, including text, images, audio, tables, and others, within each perspective. Finally, we identify the gaps with future opportunities, including the reused modalities selections, heterogeneous modality combinations, and unseen tasks generalizations, corresponding to the three benefits. We release an up-to-date GitHub repository that includes key papers and resources.
• Abstract（参考訳）: 時系列分析(TSA)は、データマイニングコミュニティにおいて長年研究されてきたトピックであり、現実世界において大きな意味を持つ。 最近爆発的な発展を経験し、密接なつながりを持つ言語や視覚のようなより豊かなモダリティと比較すると、時系列のモダリティは比較的過小評価され、孤立している。 近年のTSA研究の多くは新たな研究分野、すなわちMM4TSA(Multiple Modalities for TSA)を形成している。 一般的に、これらのMM4TSA作業は、TSAが複数のモダリティの恩恵を受ける方法という共通の動機に従う。 この調査は、この新興分野の総合的なレビューと詳細な展望を提供する最初のものだ。 具体的には,(1)効率的なTSAのための基礎モデルの再利用,(2)拡張されたTSAのためのマルチモーダル拡張,(3)高度なTSAのための相互モダリティ相互作用の3つの利点を体系的に論じる。 各視点において、テキスト、画像、オーディオ、テーブルなどを含む、導入したモダリティタイプにより、さらに作品をグループ化する。 最後に、再利用されたモダリティ選択、不均一なモダリティ組合せ、および3つの利点に対応する未知のタスク一般化を含む、将来の機会とのギャップを識別する。 私たちは、重要な論文やリソースを含む最新のGitHubリポジトリをリリースしています。

関連論文リスト

• Multimodality Helps Few-shot 3D Point Cloud Semantic Segmentation [61.91492500828508]
  FS-PCS (Few-shot 3D point cloud segmentation) は、最小のサポートサンプルで新しいカテゴリを分割するモデルを一般化することを目的としている。 テキストラベルと潜在的に利用可能な2次元画像モダリティを利用したマルチモーダルFS-PCS構成を提案する。 トレーニングバイアスを軽減するため,テスト時間適応型クロスモーダル(TACC)技術を提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:28:41Z)
• PanoSent: A Panoptic Sextuple Extraction Benchmark for Multimodal Conversational Aspect-based Sentiment Analysis [74.41260927676747]
  本稿では,マルチモーダル対話感分析(ABSA)を導入することでギャップを埋める。 タスクをベンチマークするために、手動と自動の両方で注釈付けされたデータセットであるPanoSentを構築し、高品質、大規模、マルチモーダル、マルチ言語主義、マルチシナリオを特徴とし、暗黙の感情要素と明示的な感情要素の両方をカバーする。 課題を効果的に解決するために,新しい多モーダルな大規模言語モデル(すなわちSentica)とパラフレーズベースの検証機構とともに,新しい感覚の連鎖推論フレームワークを考案した。
  論文  参考訳（メタデータ） (2024-08-18T13:51:01Z)
• RethinkingTMSC: An Empirical Study for Target-Oriented Multimodal Sentiment Classification [70.9087014537896]
  目的指向型マルチモーダル感性分類(TMSC)は,学者の間でも注目されている。 この問題の原因を明らかにするために,データセットの広範な実験的評価と詳細な分析を行う。
  論文  参考訳（メタデータ） (2023-10-14T14:52:37Z)
• Exploring Progress in Multivariate Time Series Forecasting: Comprehensive Benchmarking and Heterogeneity Analysis [70.78170766633039]
  我々は、MTS予測提案を確実かつ公平に評価する手段の必要性に対処する。 BasicTS+は、MTS予測ソリューションの公平で包括的で再現可能な比較を可能にするために設計されたベンチマークである。 リッチデータセットとともにBasicTS+を適用し,45 MTS以上の予測ソリューションの性能を評価する。
  論文  参考訳（メタデータ） (2023-10-09T19:52:22Z)
• TSA-Net: Tube Self-Attention Network for Action Quality Assessment [4.220843694492582]
  行動品質評価(AQA)のためのチューブ自己注意ネットワーク(TSA-Net)を提案する。 TSA-Netは、1)高い計算効率、2)高い柔軟性、3)最先端技術の性能。
  論文  参考訳（メタデータ） (2022-01-11T02:25:27Z)
• Transformer-based Multi-Aspect Modeling for Multi-Aspect Multi-Sentiment Analysis [56.893393134328996]
  本稿では,複数の側面間の潜在的な関係を抽出し,文中のすべての側面の感情を同時に検出できるトランスフォーマーベースのマルチアスペクトモデリング手法を提案する。 本手法はBERTやRoBERTaといった強力なベースラインと比較して顕著な改善を実現している。
  論文  参考訳（メタデータ） (2020-11-01T11:06:31Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。