時空間イベントのための任意に条件付け可能な階層フロー

要旨: 空間時間システムにおけるイベントは至る所に存在しますが、その複雑な分布をモデリングすることは依然として難しい課題です。既存の点過程モデルの多くは、強い構造的仮定に依存していることが多く、また通常は自己回帰的で、イベントごとの予測に限られています。その結果、逆推論、軌跡の復元、欠落したイベント位置の回復といった、より幅広い推論タスクを支えることができません。私たちは、空間時間イベントモデリングのための階層型フローマッチング手法である Arbitrarily Conditioned Hierarchical Flows（ARCH）を提案します。ARCHは複雑なイベント分布を捉えるのに十分な表現力を持ちながら、瞬間的なイベントリスクを定量化する条件付き強度の計算を、扱いやすくかつ正確に可能にします。履歴エンコーダ・生成デコーダ型のアーキテクチャに基づき、ARCHは任意に観測されたイベントに柔軟に条件付けするためのハイブリッドなマスキング戦略を導入します。これにより、予測、逆推論、部分的な軌跡復元を、単一の枠組みの中で統一的に扱うことが可能になります。合成データセットおよび実世界データセットに対する実験では、ARCHが予測タスクおよび条件付き推論タスクの両方において、一貫して既存のベースラインを上回ることが示されています。