Jan, 2025

CoSTI:一种(更快的)时空插补一致性模型

TL;DR本研究解决了多变量时间序列插补(MTSI)中存在的高计算成本与低效率弥补的问题。提出的CoSTI模型通过一致性训练,能够在保持与传统去噪扩散概率模型相当的插补质量的同时,大幅降低推理时间,适用于实时应用。研究表明,CoSTI在多个数据集和缺失数据场景中实现了高达98%的插补时间减少,推动了生成插补任务中的效率与准确性之间的平衡。