TSFragment-600K

新GALA方法增强文本到时间序列的生成

研究人员开发了GALA，一种新颖的两阶段方法，用于根据自然语言描述生成时间序列数据。该方法首先使用对比学习和辅助生成损失将预训练的文本编码器与时间序列基础模型对齐。然后，对齐的嵌入驱动流匹配生成器，从而提高生成时间序列对文本提示的遵循程度。在TSFragment-600K数据集上，GALA在各种指标上的表现均显著优于现有方法，证明了其在可控时间序列合成方面的有效性。