PulseAugur
实时 10:24:26
English(EN) SRT: Super-Resolution for Time Series via Disentangled Rectified Flow

新的SRT框架增强了时间序列超分辨率

研究人员推出了一种新的SRT框架,用于从低分辨率输入生成高分辨率时间序列数据。SRT将时间序列分解为趋势和季节性分量,并使用神经表示和跨分辨率注意力将其与目标分辨率对齐。一个更大的版本SRT-large展示了强大的零样本能力,在九个数据集上优于现有方法。 AI

影响 引入了一种提高时间序列数据分辨率的新颖方法,可能有利于需要高时间粒度的应用。

排序理由 该集群包含一篇详细介绍时间序列超分辨率新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Jufang Duan, Shenglong Xiao, Yuren Zhang ·

    SRT:通过解耦整流流实现时间序列的超分辨率

    arXiv:2606.07605v1 Announce Type: cross Abstract: Fine-grained time series data with high temporal resolution is critical for accurate analytics across a wide range of applications. However, the acquisition of such data is often limited by cost and feasibility. This problem can b…