Graph2TS: 分位グラフVAEによる構造制御型時系列生成

要旨：近年の生成モデルは周辺分布が近い時系列を生成できる一方で、グローバルな時間的構造を保持することと、局所的な確率的変動をモデル化することとの間に根本的な緊張を生むことが多く、特に変動性が高く、周期性が弱いまたは不規則な信号に対して顕著です。直接的な分布一致はこのような設定でノイズを増幅したり、意味のある時間的パターンを抑制したりする可能性があります。本研究では、時間系列生成に対する構造-残差の視点を提案し、時系列データを構造的バックボーンと確率的残差ダイナミクスの組み合わせとして捉えることで、グローバルな組織化とサンプルレベルの可変性の分離を促す動機付けを行います。この洞察に基づいて、時系列の構造を、グローバルな分布と時間的依存性をコンパクトに捉える分位点ベースの遷移グラフを用いて表現します。この表現に基づき、分位グラフ条件付きの変分オートエンコーダ Graph2TS を提案します。構造グラフから時系列へのクロスモーダル生成を実現します。ラベルやメタデータではなく構造を条件として生成を行うことで、モデルはグローバルな時間的組織を保持しつつ、制御された確率的変動を可能にします。太陽黒点データ、電力需要データ、ECG、EEG信号を含む多様なデータセットを対象とした実験では、拡散モデルおよびGANベースのベースラインと比較して、分布忠実度、時間的整合性、代表性が改善されることを示し、構造による制御とクロスモーダル生成を時系列モデリングの有望な方向性として強調します。