BRIDGE: Bootstrapping Text to Control Time-Series Generation via Multi-Agent Iterative Optimization and Diffusion Modelling

要約

時系列の発電（TSG）は、シミュレーション、データ増強、および反事実分析に幅広い用途を持つ顕著な研究分野です。
既存の方法は無条件の単一ドメインTSGで有望であるが、ドメイン固有の制約とインスタンスレベルの要件に合わせて調整された制御された生成が可能なクロスドメインアプローチの現実世界のアプリケーション需要。
この論文では、TSGを導き、改善するために、テキストがセマンティックな洞察、ドメイン情報、インスタンス固有の時間パターンを提供できると主張します。
テキストの説明を組み込むことで現実的な時系列を生成することに焦点を当てたタスクである「テキスト制御TSG」を紹介します。
この設定でデータ不足に対処するために、多様で現実的なテキストツーTSデータセットを合成する新しいLLMベースのマルチエージェントフレームワークを提案します。
さらに、セマンティックプロトタイプをドメインレベルのガイダンスをサポートするためのテキスト説明と統合するハイブリッドテキスト制御TSGフレームワークであるBridgeを紹介します。
このアプローチは、12のデータセットのうち11で最先端の世代の忠実度を達成し、テキスト入力生成なしと比較してMSEで12.52％および6.34％MAEで制御可能性を改善し、テーリングされた時系列データを生成する可能性を強調します。

要約(オリジナル)

Time-series Generation (TSG) is a prominent research area with broad applications in simulations, data augmentation, and counterfactual analysis. While existing methods have shown promise in unconditional single-domain TSG, real-world applications demand for cross-domain approaches capable of controlled generation tailored to domain-specific constraints and instance-level requirements. In this paper, we argue that text can provide semantic insights, domain information and instance-specific temporal patterns, to guide and improve TSG. We introduce “Text-Controlled TSG”, a task focused on generating realistic time series by incorporating textual descriptions. To address data scarcity in this setting, we propose a novel LLM-based Multi-Agent framework that synthesizes diverse, realistic text-to-TS datasets. Furthermore, we introduce BRIDGE, a hybrid text-controlled TSG framework that integrates semantic prototypes with text description for supporting domain-level guidance. This approach achieves state-of-the-art generation fidelity on 11 of 12 datasets, and improves controllability by 12.52% on MSE and 6.34% MAE compared to no text input generation, highlighting its potential for generating tailored time-series data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google