视觉语言模型用于时间序列分类的可行性研究
人工智能
2025-01-22 v2
摘要
我们基于时间序列分类，利用视觉语言模型 (VLM) 的能力。我们发现，经过两或更少的微调后，VLM 能产生竞争性结果。我们开发了一种新方法，将图形数据表示作为图像结合数值数据。该方法建立在图形表示可提供额外上下文信息的假设之上，而仅凭数值数据可能捕获不到这些信息。此外，提供图形表示可以规避诸如 LLM 受限上下文长度等问题。为进一步推进此工作，我们实现了一个可扩展的端到端管道，用于训练不同情景，从而隔离将 LLM 学习能力传递给时间序列分类 (TSC) 任务的最有效策略。我们的方法适用于单变量和多变量时间序列数据。此外，我们进行了大量实际实验，以展示该方法在时间序列分类和生成标签方面的工作情况。
引用
@article{arxiv.2412.17304,
title = {On the Feasibility of Vision-Language Models for Time-Series Classification},
author = {Vinay Prithyani and Mohsin Mohammed and Richa Gadgil and Ricardo Buitrago and Vinija Jain and Aman Chadha},
journal= {arXiv preprint arXiv:2412.17304},
year = {2025}
}