SSDA：通过基于视觉的时间序列预测的双重适应来弥合频谱和结构差距

最近，大型视觉模型 (LVM) 已被证明是非常有效的时间序列预测器，只需将时态数据呈现为图像即可。然而，这种成功取决于一个很大程度上未经检验的前提：渲染的时间序列图像足够接近自然图像，以便预训练模型中的知识能够有效转移。我们认为，仍然存在两个差距，即谱差距和结构差距，从根本上限制了 LVM 在时间序列预测方面的潜力。从光谱上看，我们系统地揭示了渲染的时间序列图像的功率谱明显比 LVM 预先训练识别的自然图像要浅。从结构上讲，将一维时间序列重塑为二维网格会制造虚假的空间邻接，同时切断真正的时间连续性，误导预训练 LVM 的空间归纳偏差。为了弥补这些差距，我们提出了 SSDA，这是一种双分支网络，可以在频谱和结构上进行调整，以释放 LVM 在时间序列预测方面的全部潜力。在数据层面，频谱幅度对准器 (SMA) 应用 2D FFT 有选择地增强幅度谱以实现自然图像统计，同时保留相位。在模型级别，结构引导低秩适应（SG-LoRA）将位置感知时间编码注入到补丁嵌入中，并通过低秩更新来适应注意力。这两个分支进一步自适应融合以产生最终的预测。对七个真实世界基准的大量实验表明，SSDA 在全镜头和少镜头设置下始终优于基于 LVM 和 LLM 的强大基线。代码可在 https://anonymous.4open.science/r/SSDA-8C5B 上公开获取。