論文の概要: ShapeLex: Decoupling Local Shape Symbolization and Global Scale Modeling for Text-Controlled Time Series Generation

• arxiv url: http://arxiv.org/abs/2609.24003v1
• Date: Mon, 21 Sep 2026 02:06:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.041953
• Title: ShapeLex: Decoupling Local Shape Symbolization and Global Scale Modeling for Text-Controlled Time Series Generation
• Title（参考訳）: ShapeLex: テキスト制御時系列生成のための局所形状記号とグローバルスケールモデリングの分離
• Abstract要約: 本稿では,テキストからシーケンスへの生成を局所的な形状の離散的シンボル化とグローバル属性の連続モデリングに分解するShapeLexを提案する。 実験の結果、ShapeLexは既存の方法よりも実際のデータ分布によくマッチするシリーズを生成することがわかった。
• 参考スコア（独自算出の注目度）: 10.615796014284589
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-controlled time series generation aims to synthesize sequences that follow natural-language descriptions while remaining faithful to real data distributions. Existing paradigms often couple semantic understanding and sequence modeling in a single continuous latent space, lacking explicit local semantic anchors and separation between global continuous attributes and local discrete shapes. As a result, key local structures may be smoothed, missed, or misplaced. We propose Shape Lexicon (ShapeLex), which decouples text-to-sequence generation into discrete symbolization of local shapes and continuous modeling of global attributes. ShapeLex first induces a reusable vocabulary of discrete shape units, such as rises, spikes, and sharp drops, from training data, forming an interpretable symbolic space. An autoregressive generator then selects shapes according to the textual description, adjusts attributes such as position and duration, and composes them in temporal order into a shape skeleton. Finally, a mixture-density scale head models and samples the overall level and volatility to restore realistic global scale. Experiments on twelve public datasets, real user-written text, and downstream forecasting tasks show that ShapeLex generates series that better match real data distributions than existing methods. In addition, paired supervision is automatically synthesized from the learned vocabulary, avoiding annotation costs that grow with dataset size and improving scalability.
• Abstract（参考訳）: テキスト制御された時系列生成は、実際のデータ分布に忠実なまま、自然言語記述に従うシーケンスを合成することを目的としている。 既存のパラダイムはしばしば、単一の連続的な潜在空間における意味的理解とシーケンスモデリングを結合し、明示的な局所的な意味的アンカーと、大域的な連続属性と局所的な離散形状の分離を欠いている。 結果として、重要なローカル構造はスムースにしたり、見逃したり、配置を間違えたりすることができる。 本稿では,テキストからシーケンスへの生成を局所的な形状の離散的シンボル化とグローバル属性の連続モデリングに分解する形状レキシコン(ShapeLex)を提案する。 ShapeLexはまず、トレーニングデータから、アップ、スパイク、シャープドロップなどの離散形状単位の再利用語彙を誘導し、解釈可能なシンボル空間を形成する。 自動回帰生成器は、テキスト記述に従って形状を選択し、位置や持続時間などの属性を調整し、時間順に形状骨格に構成する。 最後に、混合密度スケールヘッドモデルを作成し、全体レベルとボラティリティをサンプリングして、現実的なグローバルスケールを復元する。 12の公開データセット、実際のユーザ記述テキスト、下流予測タスクの実験は、ShapeLexが既存の方法よりも実際のデータ分布にマッチしたシリーズを生成することを示している。 さらに、ペア化された監視は、学習した語彙から自動的に合成され、データセットのサイズに応じて増加するアノテーションコストを回避し、スケーラビリティを向上させる。

関連論文リスト

• Continuous Latent Diffusion Language Model [48.974403879186916]
  大規模言語モデルは自己回帰パラダイムの下で顕著な成功を収めた。 既存の代替手段は、生成効率、スケーラブルな表現学習、効果的なグローバルセマンティックモデリングを共同で達成するのに依然として苦労している。 階層型情報分解によりテキスト生成をフレーム化する階層型潜在拡散言語モデルCola DLMを提案する。
  論文  参考訳（メタデータ） (2026-05-07T16:44:56Z)
• Self-Improving Tabular Language Models via Iterative Group Alignment [76.43372236405664]
  自動フィードバックによるデータ生成のための,最初の自己改善フレームワークであるTabGRAAを紹介する。 新たに生成されたサンプルを高品質なグループと低品質なグループに分割し、グループ相対的な有利な目標を優先順位付けする。 実験では、TabGRAAは、忠実さ、ユーティリティ、プライバシにおいて、既存のメソッドよりも優れています。
  論文  参考訳（メタデータ） (2026-04-21T01:29:52Z)
• Turbulence-like 5/3 spectral scaling in contextual representations of language as a complex system [1.4363133217553712]
  埋め込みステップ信号を用いてトークン列に沿ったスケール依存変動を定量化する。 複数の言語とコーパスにまたがって、結果として生じるパワースペクトルは、5/3$に近い指数を持つ堅牢なパワー法則を示す。 乱流におけるコルモゴロフスペクトルの類似により, 意味情報は言語規模にわたって, スケールフリーで自己相似的な方法で統合されていることが示唆された。
  論文  参考訳（メタデータ） (2026-04-07T07:36:12Z)
• The Statistical Signature of LLMs [1.3135750017147134]
  統計的正則性に関する単純なモデルに依存しない尺度は、生成規則を表面テキストと直接区別することを示す。 設定全体にわたって、圧縮は確率的生成の永続的な構造的シグネチャを明らかにする。 本研究は, 生成システムがいかにテキスト生産を再構築するかを定量化するための, シンプルで堅牢なフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-20T11:33:37Z)
• PRISM: A hierarchical multiscale approach for time series forecasting [42.91635448262212]
  実世界の時系列には、グローバルなトレンド、局所的なきめ細かい構造、そしてその中間の複数のスケールの特徴の両方が含まれている。 本稿では,この課題に対処する新しい予測手法であるPRISMを提案する。 ベンチマークデータセットを用いた実験により、我々の手法は予測のための最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-12-31T14:51:12Z)
• PoetryDiffusion: Towards Joint Semantic and Metrical Manipulation in Poetry Generation [58.36105306993046]
  制御可能なテキスト生成は自然言語生成(NLG)において困難かつ有意義な分野である 本稿では,ソネット生成のための拡散モデルと中国語のSongCi詩の創始について述べる。 本モデルでは,人的評価だけでなく,意味的,計量的,総合的な性能の自動評価において,既存のモデルよりも優れる。
  論文  参考訳（メタデータ） (2023-06-14T11:57:31Z)
• Bending Graphs: Hierarchical Shape Matching using Gated Optimal Transport [80.64516377977183]
  形状マッチングは、コンピュータグラフィックスと視覚のコミュニティにとって長い間研究されてきた問題である。 局所的なパッチレベル情報とグローバルな形状レベルの構造を組み込んだ階層型学習設計について検討する。 本研究では,非信頼ノード上の特徴を逐次更新し,形状間の一貫した一致を学習することで,新しい最適輸送解法を提案する。
  論文  参考訳（メタデータ） (2022-02-03T11:41:46Z)
• Generating More Pertinent Captions by Leveraging Semantics and Style on Multi-Source Datasets [56.018551958004814]
  本稿では,データソースの非一様結合をトレーニングすることで,流動的な記述を生成するタスクに対処する。 ノイズの多い画像とテキストのペアを持つ大規模データセットは、サブ最適の監視源を提供する。 本稿では,検索コンポーネントから抽出したスタイルトークンとキーワードを組み込むことにより,セマンティクスと記述スタイルを活用・分離することを提案する。
  論文  参考訳（メタデータ） (2021-11-24T19:00:05Z)

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。