Buchumschlag

ConTSG-Bench: A Unified Benchmark for Conditional Time Series Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lan, Shaocheng, Gu, Shuqi, Xiong, Zhangzhi, Ren, Kan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Exploring the Potential of Probabilistic Transformer for Time Series Modeling: A Report on the ST-PT Framework
von: Xiong, Zhangzhi, et al.
Veröffentlicht: (2026)

What if Tomorrow is the World Cup Final? Counterfactual Time Series Forecasting with Textual Conditions
von: Gu, Shuqi, et al.
Veröffentlicht: (2026)

Kairos: Toward Adaptive and Parameter-Efficient Time Series Foundation Models
von: Feng, Kun, et al.
Veröffentlicht: (2025)

TSFM-Bench: A Comprehensive and Unified Benchmark of Foundation Models for Time Series Forecasting
von: Li, Zhe, et al.
Veröffentlicht: (2024)

Learning to Select In-Context Demonstration Preferred by Large Language Model
von: Zhang, Zheng, et al.
Veröffentlicht: (2025)

OrionBench: Benchmarking Time Series Generative Models in the Service of the End-User
von: Alnegheimish, Sarah, et al.
Veröffentlicht: (2023)

TimeSeriesBench: An Industrial-Grade Benchmark for Time Series Anomaly Detection Models
von: Si, Haotian, et al.
Veröffentlicht: (2024)

TSI-Bench: Benchmarking Time Series Imputation
von: Du, Wenjie, et al.
Veröffentlicht: (2024)

QuitoBench: A High-Quality Open Time Series Forecasting Benchmark
von: Xue, Siqiao, et al.
Veröffentlicht: (2026)

TAB: Unified Benchmarking of Time Series Anomaly Detection Methods
von: Qiu, Xiangfei, et al.
Veröffentlicht: (2025)

GIFT-Eval: A Benchmark For General Time Series Forecasting Model Evaluation
von: Aksu, Taha, et al.
Veröffentlicht: (2024)

BEDTime: A Unified Benchmark for Automatically Describing Time Series
von: Sen, Medhasweta, et al.
Veröffentlicht: (2025)

Benchmarking Counterfactual Interpretability in Deep Learning Models for Time Series Classification
von: Kan, Ziwen, et al.
Veröffentlicht: (2024)

GC-Bench: An Open and Unified Benchmark for Graph Condensation
von: Sun, Qingyun, et al.
Veröffentlicht: (2024)

Coupling Models for One-Step Discrete Generation
von: Peng, Fred Zhangzhi, et al.
Veröffentlicht: (2026)

PYRREGULAR: A Unified Framework for Irregular Time Series, with Classification Benchmarks
von: Spinnato, Francesco, et al.
Veröffentlicht: (2025)

Causality-Aware Spatiotemporal Graph Neural Networks for Spatiotemporal Time Series Imputation
von: Jing, Baoyu, et al.
Veröffentlicht: (2024)

Channel-aware Contrastive Conditional Diffusion for Multivariate Probabilistic Time Series Forecasting
von: Li, Siyang, et al.
Veröffentlicht: (2024)

Time-SSM: Simplifying and Unifying State Space Models for Time Series Forecasting
von: Hu, Jiaxi, et al.
Veröffentlicht: (2024)

Time Weaver: A Conditional Time Series Generation Model
von: Narasimhan, Sai Shankar, et al.
Veröffentlicht: (2024)

Conditional Sig-Wasserstein GANs for Time Series Generation
von: Liao, Shujian, et al.
Veröffentlicht: (2020)

CityTrajBench: A Unified Benchmark for City-Scale Vehicle Trajectory Generation
von: Zhu, Shibo, et al.
Veröffentlicht: (2026)

DynaConF: Dynamic Forecasting of Non-Stationary Time Series
von: Liu, Siqi, et al.
Veröffentlicht: (2022)

Unified Training of Universal Time Series Forecasting Transformers
von: Woo, Gerald, et al.
Veröffentlicht: (2024)

Time Series Generation Under Data Scarcity: A Unified Generative Modeling Approach
von: Gonen, Tal, et al.
Veröffentlicht: (2025)

TimeAutoDiff: A Unified Framework for Generation, Imputation, Forecasting, and Time-Varying Metadata Conditioning of Heterogeneous Time Series Tabular Data
von: Suh, Namjoon, et al.
Veröffentlicht: (2024)

Towards Time Series Generation Conditioned on Unstructured Natural Language
von: Woo, Jaeyun, et al.
Veröffentlicht: (2025)

Conditionally Whitened Generative Models for Probabilistic Time Series Forecasting
von: Yang, Yanfeng, et al.
Veröffentlicht: (2025)

TempusBench: An Evaluation Framework for Time-Series Forecasting
von: Goktas, Denizalp, et al.
Veröffentlicht: (2026)

A Unified Contrastive-Generative Framework for Time Series Classification
von: Liu, Ziyu, et al.
Veröffentlicht: (2025)

Impermanent: A Live Benchmark for Temporal Generalization in Time Series Forecasting
von: Garza, Azul, et al.
Veröffentlicht: (2026)

CoIFNet: A Unified Framework for Multivariate Time Series Forecasting with Missing Values
von: Tang, Kai, et al.
Veröffentlicht: (2025)

It's TIME: Towards the Next Generation of Time Series Forecasting Benchmarks
von: Qiao, Zhongzheng, et al.
Veröffentlicht: (2026)

ContiFormer: Continuous-Time Transformer for Irregular Time Series Modeling
von: Chen, Yuqi, et al.
Veröffentlicht: (2024)

NeuralBench: A Unifying Framework to Benchmark NeuroAI Models
von: Banville, Hubert, et al.
Veröffentlicht: (2026)

TimeOmni-VL: Unified Models for Time Series Understanding and Generation
von: Guan, Tong, et al.
Veröffentlicht: (2026)

TemporalBench: A Benchmark for Evaluating LLM-Based Agents on Contextual and Event-Informed Time Series Tasks
von: Weng, Muyan, et al.
Veröffentlicht: (2026)

Quantifying Quality of Class-Conditional Generative Models in Time-Series Domain
von: Koochali, Alireza, et al.
Veröffentlicht: (2022)

Automated Contrastive Learning Strategy Search for Time Series
von: Jing, Baoyu, et al.
Veröffentlicht: (2024)

Unified Long-Term Time-Series Forecasting Benchmark
von: Cyranka, Jacek, et al.
Veröffentlicht: (2023)