基于视觉智能的时间序列基础模型

GitHub链接：ViTime: A Visual Intelligence-Based Foundation Model for Time Series Forecasting

论文链接：https://github.com/IkeYang/ViTime

前言

作者是来自西安理工大学，西北工业大学，以色列理工大学以及香港城市大学的研究者。

1. 研究动机：

近年来，深度学习模型在特定数据集上表现优异，但它们往往需要大量的领域特定数据进行训练，缺乏跨域泛化能力。这一挑战促使研究人员开始探索构建基础模型（Foundation Model）的可能性，以期望通过预训练获得通用的时间序列理解能力，进而实现跨域零样本（Zero-shot）或少样本（Few-shot）学习。

然而，现有的TSF基础模型面临着两个重大挑战：

1) 数值建模的局限性：

现有的TSF模型，包括基础模型，主要关注于直接拟合数值时间序列数据。这意味着这些模型的主要信息载体是时间维度上的数值关系。然而，人类在观察和预测趋势时，往往更倾向于通过视觉表征来理解数据，而非直接处理原始数值。

研究表明，人脑在处理视觉信息方面远比处理数值数据更为高效。人脑在处理视觉信息时的效率显著高于处