論文の概要: SAGE: Variate-Wise Semantic Augmentation for Vision-Language Time Series Forecasting

• arxiv url: http://arxiv.org/abs/2608.26829v1
• Date: Thu, 27 Aug 2026 09:04:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.319986
• Title: SAGE: Variate-Wise Semantic Augmentation for Vision-Language Time Series Forecasting
• Title（参考訳）: SAGE:Variate-Wise Semantic Augmentation for Vision-Language Time Series Forecasting
• Abstract要約: 時系列予測モデルは生の数値列で動作し、ドメインの専門家が暗黙的に利用する意味的な知識を欠いている。 本稿では,時間的・相互変数的・テキスト的・視覚的情報を共同でモデル化する,エンドツーエンドのCLIPベースのフレームワークであるSAGEを提案する。
• 参考スコア（独自算出の注目度）: 6.3330628137530605
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Time series forecasting models operate on raw numerical sequences, lacking the semantic knowledge that domain experts implicitly leverage, such as the physical meaning of each variable, its statistical behavior, and its temporal dynamics. Recent efforts to bridge this gap fall into two camps. Some rely on large language models at inference time, which is computationally expensive. Others apply uniform textual prompts at the dataset level, ignoring the heterogeneous semantics across individual variates. We propose SAGE (Seeing and Augmenting with Grounded Encoding), an end-to-end CLIP-based framework that jointly models temporal, cross-variable, textual, and visual information. The CLIP text encoder processes frequency-enhanced patches and variable tokens, while gated residual paths inject variable-specific descriptions and statistical descriptors. In parallel, the frozen CLIP vision encoder aligns rendered series with temporal representations through a training-only contrastive objective. This dual use of CLIP adds complementary semantic and visual supervision without placing an LLM in the forecasting loop. Across eight long-term benchmarks and M4, SAGE achieves state-of-the-art accuracy. Ablations confirm complementary gains from multimodal alignment and variable-level knowledge.
• Abstract（参考訳）: 時系列予測モデルは、各変数の物理的意味、統計的振る舞い、時間的ダイナミクスなど、ドメインの専門家が暗黙的に利用する意味的な知識を欠いている、生の数値列で動作する。 このギャップを埋める最近の努力は、2つのキャンプに分かれている。 推論時に大きな言語モデルに依存するものもあり、計算コストが高い。 データセットレベルで均一なテキストプロンプトを適用し、個々の変数間での不均一な意味を無視する。 SAGE(Seeing and Augmenting with Grounded Encoding)はCLIPベースのフレームワークである。 CLIPテキストエンコーダは、周波数強調されたパッチと可変トークンを処理し、ゲートされた残留パスは、変数固有の記述と統計的記述子を注入する。 並行して、凍結されたCLIPビジョンエンコーダは、トレーニングのみのコントラスト目的を通じて、レンダリングされたシリーズを時間的表現と整列する。 このCLIPの二重使用は、予測ループにLLMを配置することなく、補完的な意味論と視覚的監視を追加する。 8つの長期ベンチマークとM4で、SAGEは最先端の精度を達成する。 アブレーションは多モードアライメントと可変レベルの知識から相補的な利得を裏付ける。

関連論文リスト

• Parameter-Efficient Adaptation of Pretrained Language Models for Time-Series Forecasting [2.141079906482723]
  我々は,事前訓練したGPT-2バックボーンの埋め込み空間に直接,固定長の時系列パッチを投影する。 我々は, (i) 表現戦略 (連続埋め込みとテキストシリアライゼーション) , (ii) 適応体制 (部分的あるいは完全微調整) および (iv) 入力コンテキスト長の影響を解析した。
  論文  参考訳（メタデータ） (2026-09-14T10:30:59Z)
• An Open-Source Benchmark and Baseline for Multi-temporal Referring Segmentation [55.291219073365546]
  textbfMulti-temporal Referring (MTRS) は,多時間画像から言語記述の時間変化を分割することを目的とした新しいタスクである。 MTRSは、時間対応推論、言語接地、ピクセルレベルのマスク予測を共同で要求することで、従来の参照セグメンテーションと変更検出を拡張している。 MTRefSeg-R1は,既存のLVLMベースラインと比較して,強靭かつしばしば優れた性能を示す。
  論文  参考訳（メタデータ） (2026-05-31T04:01:10Z)
• InstructTime++: Time Series Classification with Multimodal Language Modeling via Implicit Feature Enhancement [52.17579028504616]
  InstructTimeは、時系列分類をマルチモーダルな生成タスクとして再構成する新しいフレームワークである。 InstructTime++は、言語モデルの限定的な帰納バイアスを補うために、暗黙のフィーチャモデリングを導入することで、InstructTimeを拡張している。
  論文  参考訳（メタデータ） (2026-01-21T13:12:23Z)
• Adapting LLMs to Time Series Forecasting via Temporal Heterogeneity Modeling and Semantic Alignment [32.41581846555808]
  大規模言語モデル(LLM)は、最近、自然言語処理における印象的な能力を実証した。 時間的アライメントのモデル化と意味的アライメントの強化によりLLMに基づく予測を強化する統合フレームワークであるTALONを提案する。 7つの実世界のベンチマークの実験では、TALONはすべてのデータセットで優れたパフォーマンスを達成している。
  論文  参考訳（メタデータ） (2025-08-10T06:06:19Z)
• Teaching Time Series to See and Speak: Forecasting with Aligned Visual and Textual Perspectives [22.10401153489018]
  時系列の予測は伝統的に単調な数値入力に依存している。 生の時系列を構造化された視覚的・テキスト的視点に変換するマルチモーダルコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-30T17:59:14Z)
• Enhancing Time Series Forecasting via Multi-Level Text Alignment with LLMs [6.612196783595362]
  大規模言語モデル(LLM)を用いた時系列予測のための多段階テキストアライメントフレームワークを提案する。 本手法は,時系列をトレンド,季節,残留成分に分解し,コンポーネント固有のテキスト表現に再プログラムする。 複数のデータセットに対する実験により,提案手法は高い解釈性を提供しながら,最先端のモデルよりも精度が高いことを示した。
  論文  参考訳（メタデータ） (2025-04-10T01:02:37Z)
• Leveraging 2D Information for Long-term Time Series Forecasting with Vanilla Transformers [55.475142494272724]
  時系列予測は、様々な領域における複雑な力学の理解と予測に不可欠である。 GridTSTは、革新的な多方向性の注意を用いた2つのアプローチの利点を組み合わせたモデルである。 このモデルは、さまざまな現実世界のデータセットに対して、常に最先端のパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2024-05-22T16:41:21Z)
• Multi-Patch Prediction: Adapting LLMs for Time Series Representation Learning [22.28251586213348]
  aLLM4TSは、時系列表現学習にLarge Language Models(LLM)を適用する革新的なフレームワークである。 われわれのフレームワークの特筆すべき要素はパッチワイドデコーディング層である。
  論文  参考訳（メタデータ） (2024-02-07T13:51:26Z)
• Time-LLM: Time Series Forecasting by Reprogramming Large Language Models [110.20279343734548]
  時系列予測は多くの実世界の力学系において重要な意味を持つ。 時系列予測のための大規模言語モデルを再利用するための再プログラミングフレームワークであるTime-LLMを提案する。 Time-LLMは、最先端の特殊な予測モデルよりも優れた、強力な時系列学習者である。
  論文  参考訳（メタデータ） (2023-10-03T01:31:25Z)
• TimeMAE: Self-Supervised Representations of Time Series with Decoupled Masked Autoencoders [55.00904795497786]
  トランスフォーマネットワークに基づく転送可能な時系列表現を学習するための,新しい自己教師型パラダイムであるTimeMAEを提案する。 TimeMAEは双方向符号化方式を用いて時系列の豊富な文脈表現を学習する。 新たに挿入されたマスク埋め込みによって生じる不一致を解消するため、分離されたオートエンコーダアーキテクチャを設計する。
  論文  参考訳（メタデータ） (2023-03-01T08:33:16Z)
• Interpretable Time-series Representation Learning With Multi-Level Disentanglement [56.38489708031278]
  Disentangle Time Series (DTS)は、シーケンシャルデータのための新しいDisentanglement Enhanceingフレームワークである。 DTSは時系列の解釈可能な表現として階層的意味概念を生成する。 DTSは、セマンティック概念の解釈性が高く、下流アプリケーションで優れたパフォーマンスを実現します。
  論文  参考訳（メタデータ） (2021-05-17T22:02:24Z)

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。