TADACap：面向时间序列的自适应领域感知描述生成
计算机视觉与模式识别
2025-04-16 v1 计算与语言
摘要
尽管图像描述生成已受到广泛关注，但针对时间序列图像（在金融、医疗等领域尤为常见）的描述生成潜力仍未得到充分挖掘。现有的时间序列描述方法通常只能给出通用的、与领域无关的时间序列形状描述，且难以在无需大量重训练的情况下适配新领域。为克服这些局限，我们提出 TADACap——一种基于检索的框架，可为时间序列图像生成领域感知的描述，并能在无需重训练的前提下适配新领域。在 TADACap 的基础上，我们进一步提出一种新颖的检索策略 TADACap-diverse，可从目标领域数据库中检索多样化的图像-描述对。我们在多个最先进方法及消融变体上对 TADACap-diverse 进行了基准测试。实验结果表明，TADACap-diverse 在保持相当的语义准确性的同时，所需的标注工作量显著减少。
引用
@article{arxiv.2504.11441,
title = {TADACap: Time-series Adaptive Domain-Aware Captioning},
author = {Elizabeth Fons and Rachneet Kaur and Zhen Zeng and Soham Palande and Tucker Balch and Svitlana Vyetrenko and Manuela Veloso},
journal= {arXiv preprint arXiv:2504.11441},
year = {2025}
}
备注
Accepted to ICAIF 2024