論文の概要: KALEIDO: Input-Space Adaptation of a Vision Model for Time-Series Forecasting Through Gated Fold Geometries

• arxiv url: http://arxiv.org/abs/2610.04786v1
• Date: Sat, 03 Oct 2026 22:16:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 16:40:25.797636
• Title: KALEIDO: Input-Space Adaptation of a Vision Model for Time-Series Forecasting Through Gated Fold Geometries
• Title（参考訳）: KALEIDO:Gated Fold Geometriesによる時系列予測のための視覚モデルの入力空間適応
• Abstract要約: しかし、レンダリングされた級数は自然なイメージではなく、そのギャップを閉じるには時間的適応が必要である。 レンダリング幾何学(シリーズの折り畳みや描画の仕方)が制御可能で混合可能な軸であることを示します。
• 参考スコア（独自算出の注目度）: 16.01246258498604
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Time-series foundation models buy zero-shot forecasting with large temporal corpora; a vision model needs none, since a natural image implicitly embeds the patterns a forecaster must model, and an ImageNet-pretrained masked autoencoder forecasts a series by inpainting a rendering of it. A rendered series is not a natural image, however, and closing that gap takes temporal-aware adaptation. We show that the rendering geometry - how the series is folded and drawn - is a controllable, mixable axis for it. Kaleido detects the dominant periods, renders a rule-generated set of fold geometries, combines the inpaintings with a convex per-position gate fit on validation only, and fuses the result with the zero-shot output at one fixed share, with no per-dataset hyperparameter beyond the baseline's published settings. Training only LayerNorm (0.05%), Kaleido lowers MSE by 13% against the published zero-shot baseline on LTSF and, frozen, by 6.6%; on GIFT-Eval it improves the baseline by 7.4% in MASE and 19.3% in CRPS.
• Abstract（参考訳）: 自然画像は、予測者がモデル化しなければならないパターンを暗黙的に埋め込み、ImageNetで規定されたマスク付きオートエンコーダは、それを描画することでシリーズを予測するので、視覚モデルは不要である。 しかし、レンダリングされた級数は自然なイメージではなく、そのギャップを閉じるには時間的適応が必要である。 レンダリング幾何学(シリーズの折り畳みや描画の仕方)が制御可能で混合可能な軸であることを示します。 Kaleido は支配的な期間を検出し、折りたたみジオメトリのルール生成した集合を描画し、評価のみに適合する凸毎のゲートとインペインティングを結合し、1つの固定シェアでゼロショット出力で結果を融合する。 トレーニングはLayerNorm(0.05%)のみであり、KaleidoはLTSFで公表されたゼロショットベースラインに対してMSEを13%下げ、6.6%、GIFT-EvalではMASEで7.4%、CRPSで19.3%下げている。

関連論文リスト

• GAP-GDRNet: Geometry-aware monocular 6D pose estimation for spacecraft using synthetic geometric supervision [7.240627719297504]
  GAP-GDRNetはGDR-Net上に構築された単一ターゲットの合成宇宙船ベンチマーク用のフレームワークである。 Blenderベースのレンダリングアノテーションプロセスから、デンス管理を得る。 自作の宇宙船データセットでは、GAP-GDRNetの回転誤差は1.96circ$で、翻訳誤差は0.0165m、ADD@0.02mが95.16%である。
  論文  参考訳（メタデータ） (2026-07-02T16:02:24Z)
• Adaptive Point-Prompt Tuning: Fine-Tuning Heterogeneous Foundation Models for 3D Point Cloud Analysis [51.37795317716487]
  本稿では,パラメータの少ない事前学習モデルを微調整するAdaptive Point-Prompt Tuning (APPT)法を提案する。 局所幾何学を集約することで原点雲を点埋め込みに変換し、空間的特徴を捉える。 任意のモダリティのソース領域から3Dへの自己アテンションを校正するために,重みを点埋め込みモジュールと共有するプロンプトジェネレータを導入する。
  論文  参考訳（メタデータ） (2025-08-30T06:02:21Z)
• No Pose at All: Self-Supervised Pose-Free 3D Gaussian Splatting from Sparse Views [17.221166075016257]
  SPFSplatはスパース多視点画像から3次元ガウススプラッティングを行うための効率的なフレームワークである。 共有機能抽出バックボーンを使用し、3Dガウスプリミティブとカメラポーズの同時予測を可能にする。 視点の大幅な変化や画像重なりの制限の下でも、新しいビュー合成における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） (2025-08-02T03:19:13Z)
• Stabilize the Latent Space for Image Autoregressive Modeling: A Unified Perspective [52.778766190479374]
  遅延ベース画像生成モデルは、画像生成タスクにおいて顕著な成功を収めた。 同じ遅延空間を共有するにもかかわらず、自己回帰モデルは画像生成において LDM や MIM よりもかなり遅れている。 本稿では,画像生成モデルのための遅延空間を安定化する,単純だが効果的な離散画像トークン化手法を提案する。
  論文  参考訳（メタデータ） (2024-10-16T12:13:17Z)
• VisionTS: Visual Masked Autoencoders Are Free-Lunch Zero-Shot Time Series Forecasters [27.80286758290421]
  本稿では,リッチで高品質な自然画像からTSFファンデーションモデルを構築するための新しい道を探る。 画像再構成タスクとしてTSFを再構成することにより、画像事前学習とTSF下流タスクのギャップを埋める。 提案されたVisionTSは、既存のTSFファンデーションモデルよりもゼロショット予測性能が向上する可能性がある。
  論文  参考訳（メタデータ） (2024-08-30T12:51:55Z)
• Learning 3D Photography Videos via Self-supervised Diffusion on Single Images [105.81348348510551]
  3D写真は、静止画を3D視覚効果のあるビデオにレンダリングする。 既存のアプローチは通常、まず単眼深度推定を行い、次に様々な視点で入力フレームを後続のフレームに描画する。 我々は、入力オブジェクトの空間と時間を拡張する、新しいタスク、out-animationを提案する。
  論文  参考訳（メタデータ） (2023-02-21T16:18:40Z)
• RegNeRF: Regularizing Neural Radiance Fields for View Synthesis from Sparse Inputs [79.00855490550367]
  我々は,多くの入力ビューが利用可能である場合,NeRFは見えない視点のフォトリアリスティックレンダリングを生成することができることを示す。 我々は、未観測の視点からレンダリングされたパッチの幾何学と外観を規則化することで、この問題に対処する。 我々のモデルは、1つのシーンで最適化する他の方法よりも、大規模なマルチビューデータセットで広範囲に事前訓練された条件付きモデルよりも優れています。
  論文  参考訳（メタデータ） (2021-12-01T18:59:46Z)
• NP-DRAW: A Non-Parametric Structured Latent Variable Modelfor Image Generation [139.8037697822064]
  NP-DRAWと呼ばれる画像生成のための非パラメトリック構造化潜在変数モデルを提案する。 後続のキャンバスをパーツ単位で順次描画し、それをキャンバスからデコードする。
  論文  参考訳（メタデータ） (2021-06-25T05:17:55Z)

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。