시계열 분석을 위한 비전 모델 활용: 연구 동향

Harnessing Vision Models for Time Series Analysis: A Survey

February 13, 2025

저자: Jingchao Ni, Ziming Zhao, ChengAo Shen, Hanghang Tong, Dongjin Song, Wei Cheng, Dongsheng Luo, Haifeng Chen

cs.AI

초록

시계열 분석은 전통적인 자기회귀 모델, 딥러닝 모델에서 최근의 트랜스포머(Transformers)와 대형 언어 모델(Large Language Models, LLMs)에 이르기까지 영감을 주는 발전을 거듭해 왔습니다. 이 과정에서 시각 모델을 시계열 분석에 활용하려는 노력도 이루어졌지만, 이 분야에서 시퀀스 모델링에 대한 연구가 주를 이루면서 커뮤니티 내에서 덜 주목받아 왔습니다. 그러나 연속적인 시계열 데이터와 LLMs의 이산적인 토큰 공간 간의 차이, 그리고 다변량 시계열에서 변수 간 상관관계를 명시적으로 모델링하는 데 따른 어려움은 일부 연구의 관심을 동등하게 성공적인 대형 시각 모델(Large Vision Models, LVMs)과 시각 언어 모델(Vision Language Models, VLMs)로 전환시켰습니다. 기존 문헌의 공백을 메우기 위해, 본 조사 논문은 시계열 분석에서 시각 모델이 LLMs에 비해 갖는 장점을 논의합니다. 이 논문은 시계열을 이미지로 인코딩하는 방법과 다양한 작업을 위해 이미지화된 시계열을 모델링하는 방법을 포함한 핵심 연구 질문에 답하는 상세한 분류 체계의 이중 관점으로 기존 방법들을 포괄적이고 심층적으로 검토합니다. 또한, 이 프레임워크에서 전처리 및 후처리 단계에서의 과제를 다루고, 시각 모델을 활용한 시계열 분석을 더욱 발전시킬 미래 방향을 제시합니다.

English

Time series analysis has witnessed the inspiring development from traditional autoregressive models, deep learning models, to recent Transformers and Large Language Models (LLMs). Efforts in leveraging vision models for time series analysis have also been made along the way but are less visible to the community due to the predominant research on sequence modeling in this domain. However, the discrepancy between continuous time series and the discrete token space of LLMs, and the challenges in explicitly modeling the correlations of variates in multivariate time series have shifted some research attentions to the equally successful Large Vision Models (LVMs) and Vision Language Models (VLMs). To fill the blank in the existing literature, this survey discusses the advantages of vision models over LLMs in time series analysis. It provides a comprehensive and in-depth overview of the existing methods, with dual views of detailed taxonomy that answer the key research questions including how to encode time series as images and how to model the imaged time series for various tasks. Additionally, we address the challenges in the pre- and post-processing steps involved in this framework and outline future directions to further advance time series analysis with vision models.