SDFlow: Generazione di Serie Temporali Non Autoregressiva tramite Flow Matching

I ricercatori propongono SDFlow (Similarity-Driven Flow Matching), un framework non autoregressivo per la generazione di serie temporali che opera interamente in uno spazio latente VQ congelato. A differenza dei modelli autoregressivi, SDFlow utilizza una mappa di trasporto globale per evitare il bias di esposizione, consentendo la generazione parallela di sequenze. Le innovazioni chiave includono una decomposizione a basso rango della varietà con un prior appreso per gestire spazi di token VQ ad alta dimensionalità e l'integrazione di supervisione discreta. Il metodo affronta il degrado della qualità nella generazione a lungo orizzonte eliminando l'accumulo sequenziale di errori. L'articolo è disponibile su arXiv con ID 2605.05736.