SSDA: Adattamento Duale Spettrale-Strutturale Colma le Lacune Spettrali e Strutturali nella Previsione di Serie Temporali Basata su Visione

Un nuovo metodo chiamato SSDA (Spectral-Structural Dual Adaptation) affronta le limitazioni fondamentali nell'uso di grandi modelli di visione (LVM) per la previsione di serie temporali. I ricercatori hanno identificato due lacune chiave quando si rendono i dati temporali come immagini: la lacuna spettrale (le immagini renderizzate hanno uno spettro di potenza più superficiale rispetto alle immagini naturali) e la lacuna strutturale (il rimodellamento di sequenze 1D in griglie 2D crea adiacenze spaziali spurie e rompe le continuità temporali). SSDA utilizza una rete a doppio ramo per colmare queste lacune, consentendo un migliore trasferimento della conoscenza dei LVM pre-addestrati ai compiti di serie temporali. Il lavoro è pubblicato come arXiv:2605.12550.