USTEP: Spatio-Temporal Predictive Learning under A Unified View

要約

空間的予測学習は、多様な分野で広範囲のアプリケーションを使用して、自己監視学習において重要な役割を果たします。
一時的なモデリングの以前のアプローチは、再発ベースとリカレントフリーの方法の2つのカテゴリに分類されます。
前者は、細心の注意を払ってフレームを1つずつ処理しますが、短期間の空間的情報冗長性を無視し、非効率性につながります。
後者は、固有の時間的依存関係を見下ろして、順番に純粋にスタックします。
この論文では、統一された視点を提供する、時空間予測学習の領域内で、2つの主要な時間モデリングアプローチを再検討します。
この分析に基づいて、USTEP（統一された時空予測学習）を紹介します。これは、微小時点とマクロ同時期の両方のスケールを統合することにより、再発ベースと再発のない方法を調整する革新的な枠組みです。
広範囲の空間的予測学習に関する広範な実験は、USTEPが既存の時間モデリングアプローチに対して大幅な改善を達成し、それによって幅広い時空間アプリケーションの堅牢なソリューションとして確立されることを示しています。

要約(オリジナル)

Spatio-temporal predictive learning plays a crucial role in self-supervised learning, with wide-ranging applications across a diverse range of fields. Previous approaches for temporal modeling fall into two categories: recurrent-based and recurrent-free methods. The former, while meticulously processing frames one by one, neglect short-term spatio-temporal information redundancies, leading to inefficiencies. The latter naively stack frames sequentially, overlooking the inherent temporal dependencies. In this paper, we re-examine the two dominant temporal modeling approaches within the realm of spatio-temporal predictive learning, offering a unified perspective. Building upon this analysis, we introduce USTEP (Unified Spatio-TEmporal Predictive learning), an innovative framework that reconciles the recurrent-based and recurrent-free methods by integrating both micro-temporal and macro-temporal scales. Extensive experiments on a wide range of spatio-temporal predictive learning demonstrate that USTEP achieves significant improvements over existing temporal modeling approaches, thereby establishing it as a robust solution for a wide range of spatio-temporal applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google