Resumen: El pronóstico de series de tiempo es una tarea fundamental en todos los dominios, como finanzas, atención médica y monitoreo ambiental. Si bien los avances recientes en los modelos de la Fundación de la Serie Timemos (TSFMS) han demostrado una fuerte generalización a través de la prisión previa a gran escala, los modelos existentes funcionan predominantemente en un entorno unimodal, ignorando el rico contexto multimodal, como las señales visuales y textuales, que a menudo acompañan a los datos de la serie de tiempo en escenarios de los valores reales. Este documento presenta un nuevo marco multimodal eficiente en parámetros, unidifusión, que extiende TSFMS para aprovechar conjuntamente las series temporales, la visión y las modalidades de texto para un rendimiento de pronóstico mejorado. Nuestro método integra incrustaciones específicas de modalidad a partir de codificadores de visión y texto previos a la aparición con un TSFM congelado a través de un ajuste de inmediato suave, lo que permite una adaptación eficiente con actualizaciones mínimas de parámetros. Este diseño no solo conserva la fuerza de generalización del modelo de base, sino que también permite una interacción intermodal efectiva. Experimentos extensos en diversos puntos de referencia de pronóstico de series temporales demuestran que unicastado supera de manera consistente y significativa todas las líneas de base TSFM existentes. Los hallazgos destacan el papel crítico del contexto multimodal en el avance de la próxima generación de pronosticadores de series temporales de uso general.
Publicado Originalme en export.arxiv.org El 18 de agosto de 2025.
Ver Fuente Original
