基于指令的时间序列编辑
机器学习
2026-02-16 v4
摘要
在时间序列编辑中，我们旨在修改给定时间序列的某些属性，而不影响其他属性。例如，在分析病人血压时，我们可能添加一个突然的早期下降，并观察其对未来情况的影响，同时保留其他条件。现有的基于扩散的方法编辑器依赖刚性、预定义的属性向量作为条件，通过采样产生全或无的编辑。这种属性驱动和采样驱动的方法限制了条件格式的灵活性，并缺乏对编辑强度的可定制控制。为克服这些限制，我们引入基于指令的时间序列编辑，即用户使用自然语言指定意图编辑。这允许用户以更易访问的格式表达更广泛的编辑范围。我们随后引入 InstructTime，即第一个基于指令的时间序列编辑器。InstructTime 输入时间序列和指令，将其嵌入到共享的多模态表示空间中，然后解码这些嵌入以生成编辑后的时间序列。通过学习结构化的多模态表示空间，我们可以轻松地在嵌入之间进行插值，以实现不同程度的编辑。为处理局部和全局编辑，我们提出了多分辨率编码器。在我们的实验中，我们使用合成数据和真实数据，并发现 InstructTime 是一个最先进的时间序列编辑器：InstructTime 实现了高质量的可控强度编辑，能够泛化到未见过的指令，并且可以通过少样本学习轻松适应未见过的条件。
关键词
引用
@article{arxiv.2508.01504,
title = {Instruction-based Time Series Editing},
author = {Jiaxing Qiu and Dongliang Guo and Brynne Sullivan and Teague R. Henry and Thomas Hartvigsen},
journal= {arXiv preprint arXiv:2508.01504},
year = {2026}
}
备注
(KDD 26) Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.1