标签
ORBIT 提出了一种统一的深度时间序列生成框架，通过频率层次化 VQ-VAE 和频率带自回归 Transformer 实现从低频到高频的下一频带预测，从而先构建全局时间结构再逐步补充细节，在多个真实基准上达到最先进的性能与更高的推理效率。
SALD 提出了一种自参考训练框架，通过在两个噪声水平下用同一模型评估图像-文本对来获取训练信号，无需外部教师网络或额外可训练参数，包含优势引导扩散（AGD）、时间优势记忆（TAM）和谱优势分解（SAD）三个组件，在多个架构和数据集上持续提升了生成质量。
本文提出了FreqDiff，一种用于时序知识图谱外推的频率感知扩散框架，该框架改进了不确定性建模，并在基准测试中取得了最先进的性能。
RouteTS是一个统一的预测框架，基于频谱特性在频率域和时间域之间路由时间序列分量，提高了处理周期性和瞬态性的准确性和效率。
本文介绍了Spectral Energy Centroid (SEC) 度量，用于分析与改进隐式神经表示中的频谱偏差，展示了其在超参数选择、信号复杂度测量和跨架构对齐中的实用性。