초록
결측값 보정은 운동 추적에서 물리 시스템의 역학에 이르기까지 공간-시간 모델링에서 기본적인 문제입니다. 딥 오토레그레시브 모델은 오류 전파 문제를 겪으며, 이는 장기 시퀀스 보정에 있어 재앙적인 결과를 초래합니다. 본 논문에서는 비오토레그레시브 접근 방식을 취하고, 임의의 결측 패턴이 주어진 상태에서 장기 시퀀스를 보정하기 위한 새로운 딥 생성 모델인 비오토레그레시브 다중해상도 보정(Non-AutOregressive Multiresolution Imputation, NAOMI)을 제안합니다. NAOMI는 공간-시간 데이터의 다중해상도 구조를 활용하여, 분할 및 정복 전략을 사용하여 거칠고 세밀한 해상도로 재귀적으로 디코딩합니다. 또한, 우리는 적대적 훈련을 통해 모델을 더욱 강화하였습니다. 결정론적 및 확률적 역학 시스템의 벤치마크 데이터셋에서 광범위하게 평가한 결과, NAOMI는 보정 정확성(오토레그레시브 대응모델과 비교하여 평균 예측 오류를 60% 감소)과 장기 시퀀스에 대한 일반화 능력에서 상당한 개선을 보였습니다.