TimeOmni-VL：统一的时间序列理解与生成模型
机器学习
2026-02-20 v1 人工智能
摘要
近期时间序列建模面临数值生成与语义理解之间的尖锐分界，研究表明生成模型常依赖浅层模式匹配，而理解导向模型在高保真数值输出方面困难。尽管统一多模态模型 (UMMs) 在视觉领域已弥合了这一差距，但其在时间序列上的潜力尚未被充分发挥。我们提出 TimeOmni-VL，首个以视觉为中心的框架，统一时间序列的理解与生成，基于两个关键创新：(1) 保持保真度的双向映射 between time series and images (Bi-TSI)，将 Time Series-to-Image (TS2I) 和 Image-to-Time Series (I2TS) 转换推进到近乎无损；(2) 理解导向的生成。我们引入 TSUMM-Suite，一个新型数据集包含六项基于时间序列分析的理解任务，搭配两项生成任务。通过校准的链式思考 (Chain-of-Thought)，TimeOmni-VL 首次将时间序列理解作为显式控制信号用于高保真生成。实验表明，这一统一方法显著提升了语义理解和数值精度，开辨了多模态时间序列建模的新前沿。
引用
@article{arxiv.2602.17149,
title = {TimeOmni-VL: Unified Models for Time Series Understanding and Generation},
author = {Tong Guan and Sheng Pan and Johan Barthelemy and Zhao Li and Yujun Cai and Cesare Alippi and Ming Jin and Shirui Pan},
journal= {arXiv preprint arXiv:2602.17149},
year = {2026}
}