从图像到信号：大型视觉模型对时间序列分析有用吗？
机器学习
2025-07-11 v2 人工智能
计算机视觉与模式识别
摘要
基于 Transformer 的模型在时间序列研究中受到越来越多的关注，推动了人们对大型语言模型（LLMs）和时间序列基础模型的兴趣。随着该领域向多模态发展，大型视觉模型正成为一个有前景的方向。过去，Transformer 和 LLMs 在时间序列中的有效性一直存在争议。当涉及到 LVMs 时，也出现了一个类似的问题：LVMs 对时间序列分析真的有用吗？为了解决这个问题，我们设计并进行了首次系统性研究，涵盖了 4 个 LVMs、8 种成像方法、18 个数据集和 26 个基线，跨越了高级（分类）和低级（预测）任务，并进行了广泛的消融分析。我们的研究结果表明，LVMs 确实对时间序列分类有用，但在预测方面面临挑战。尽管有效，但当代最好的 LVM 预测器仅限于特定类型的 LVMs 和成像方法，对预测周期表现出偏差，并且利用长回看窗口的能力有限。我们希望我们的发现能够为未来关于 LVM 和多模态解决方案在不同时间序列任务中的研究奠定基石。
引用
@article{arxiv.2505.24030,
title = {From Images to Signals: Are Large Vision Models Useful for Time Series Analysis?},
author = {Ziming Zhao and ChengAo Shen and Hanghang Tong and Dongjin Song and Zhigang Deng and Qingsong Wen and Jingchao Ni},
journal= {arXiv preprint arXiv:2505.24030},
year = {2025}
}