論文の概要: Visual Reasoning over Time Series via Multi-Agent System

• arxiv url: http://arxiv.org/abs/2602.03026v1
• Date: Tue, 03 Feb 2026 02:48:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.204612
• Title: Visual Reasoning over Time Series via Multi-Agent System
• Title（参考訳）: マルチエージェントシステムによる時系列の視覚的推論
• Authors: Weilin Ruan, Yuxuan Liang,
• Abstract要約: MAS4TSは、一般的な時系列タスクのためのツール駆動型マルチエージェントシステムである。 エージェントコミュニケーション、視覚的推論、潜在的再構築を統一されたフレームワークに統合する。 幅広い時系列タスクにまたがって最先端のパフォーマンスを実現し、強力な一般化と効率的な推論を示す。
• 参考スコア（独自算出の注目度）: 36.948425602257295
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Time series analysis underpins many real-world applications, yet existing time-series-specific methods and pretrained large-model-based approaches remain limited in integrating intuitive visual reasoning and generalizing across tasks with adaptive tool usage. To address these limitations, we propose MAS4TS, a tool-driven multi-agent system for general time series tasks, built upon an Analyzer-Reasoner-Executor paradigm that integrates agent communication, visual reasoning, and latent reconstruction within a unified framework. MAS4TS first performs visual reasoning over time series plots with structured priors using a Vision-Language Model to extract temporal structures, and subsequently reconstructs predictive trajectories in latent space. Three specialized agents coordinate via shared memory and gated communication, while a router selects task-specific tool chains for execution. Extensive experiments on multiple benchmarks demonstrate that MAS4TS achieves state-of-the-art performance across a wide range of time series tasks, while exhibiting strong generalization and efficient inference.
• Abstract（参考訳）: 時系列解析は、多くの実世界の応用を基盤としているが、既存の時系列固有の方法や事前訓練された大規模モデルに基づくアプローチは、直感的な視覚的推論の統合と、適応ツールの使用によるタスク全体の一般化に限られている。 これらの制約に対処するため,エージェント通信,視覚的推論,潜時再構成を統合フレームワークに統合したAnalyzer-Reasoner-Executorパラダイム上に構築した,汎用時系列タスクのためのツール駆動型マルチエージェントシステムMAS4TSを提案する。 MAS4TSはまず、視覚言語モデルを用いて時間的構造を抽出し、次に遅延空間における予測軌道を再構成する。 3つの特別なエージェントが共有メモリとゲート通信を介してコーディネートし、ルータが実行のためにタスク固有のツールチェーンを選択する。 複数のベンチマークでの大規模な実験により、MAS4TSは幅広い時系列タスクで最先端のパフォーマンスを達成し、強力な一般化と効率的な推論を示した。

関連論文リスト

• MLLM4TS: Leveraging Vision and Multimodal Language Models for General Time-Series Analysis [35.17244645389017]
  MLLM4TSは,マルチモーダルな大規模言語モデルを利用して時系列解析を行う新しいフレームワークである。 各時系列チャンネルは、1つの合成画像において水平に重ねられたカラー符号化された線プロットとして描画される。 時間対応の視覚パッチアライメント戦略では、視覚パッチを対応する時間セグメントにアライメントする。
  論文  参考訳（メタデータ） (2025-10-08T20:22:39Z)
• UniCast: A Unified Multimodal Prompting Framework for Time Series Forecasting [9.836278124939453]
  時系列予測は、ファイナンス、ヘルスケア、環境モニタリングといった分野における基本的なタスクである。 既存のモデルは、視覚やテキストなどのリッチなマルチモーダルコンテキストを無視し、実世界のシナリオで時系列データを伴って運用される。 本稿では、TSFMを拡張して時系列、視覚、テキストのモダリティを併用して予測性能を向上する、パラメータ効率の高い新しいマルチモーダルフレームワークUniCastを提案する。
  論文  参考訳（メタデータ） (2025-08-16T07:33:27Z)
• UniSTD: Towards Unified Spatio-Temporal Learning across Diverse Disciplines [64.84631333071728]
  本稿では,時間的モデリングのためのトランスフォーマーベースの統合フレームワークであるbfUnistageを紹介する。 我々の研究は、タスク固有の視覚テキストが時間学習のための一般化可能なモデルを構築することができることを示した。 また、時間的ダイナミクスを明示的に組み込むための時間的モジュールも導入する。
  論文  参考訳（メタデータ） (2025-03-26T17:33:23Z)
• Language in the Flow of Time: Time-Series-Paired Texts Weaved into a Unified Temporal Narrative [65.84249211767921]
  テキスト・アズ・タイム・シリーズ(TaTS)は、既存の数値のみの時系列モデルにプラグインできる。 TaTSはモデルアーキテクチャを変更することなく予測性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2025-02-13T03:43:27Z)
• General Time-series Model for Universal Knowledge Representation of Multivariate Time-Series data [61.163542597764796]
  周波数領域で異なる時間粒度(または対応する周波数分解能)の時系列が異なる結合分布を示すことを示す。 時間領域と周波数領域の両方からタイムアウェア表現を学習するために,新しいFourierナレッジアテンション機構を提案する。 自己回帰的空白埋め込み事前学習フレームワークを時系列解析に初めて組み込み、生成タスクに依存しない事前学習戦略を実現する。
  論文  参考訳（メタデータ） (2025-02-05T15:20:04Z)
• Domain-Oriented Time Series Inference Agents for Reasoning and Automated Analysis [19.649769354503658]
  本稿では,自然言語推論と正確な数値実行を統合したドメイン指向時系列エージェントTS-Reasonerを紹介する。 基本時系列理解と複雑な多段階推論という2つの軸でその能力を評価する。
  論文  参考訳（メタデータ） (2024-10-05T06:04:19Z)
• Agentic Retrieval-Augmented Generation for Time Series Analysis [0.0]
  本稿では,時系列解析のためのエージェント検索拡張フレームワークを提案する。 提案したモジュール型マルチエージェントRAGアプローチは、柔軟性を提供し、主要な時系列タスクに対してより最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-08-18T11:47:55Z)
• Sports-Traj: A Unified Trajectory Generation Model for Multi-Agent Movement in Sports [53.637837706712794]
  任意の軌道をマスク入力として処理する統一軌道生成モデルUniTrajを提案する。 具体的には,空間特徴抽出のためのトランスフォーマーエンコーダ内に埋め込まれたゴースト空間マスキング(GSM)モジュールを紹介する。 バスケットボールU,サッカーU,サッカーUの3つの実践的スポーツデータセットをベンチマークして評価を行った。
  論文  参考訳（メタデータ） (2024-05-27T22:15:23Z)
• Tracking Objects and Activities with Attention for Temporal Sentence Grounding [51.416914256782505]
  時間文 (TSG) は、意味的に自然言語のクエリと一致した時間セグメントを、トリミングされていないセグメントでローカライズすることを目的としている。 本稿では,(A)マルチモーダル・検索空間を生成するクロスモーダル・ターゲット・ジェネレータと(B)マルチモーダル・ターゲットの動作を追跡し,クエリ関連セグメントを予測するテンポラル・センセント・トラッカーとを含む,新しいテンポラル・センセント・トラッカー・ネットワーク(TSTNet)を提案する。
  論文  参考訳（メタデータ） (2023-02-21T16:42:52Z)
• Multi-Task Time Series Forecasting With Shared Attention [15.294939035413217]
  マルチタスク時系列予測のための2つの自己注目型共有方式を提案する。 提案アーキテクチャは,最先端の単一タスク予測ベースラインを上回るだけでなく,RNNベースのマルチタスク予測手法よりも優れている。
  論文  参考訳（メタデータ） (2021-01-24T04:25:08Z)

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。