CV，NLP，时间序列，多模态哪个有前景一点

<img src="/img/ubb/ema/0.gif" alt="ema0" style="display:inline;border-style:none">

首先排除cv吧，现在做cv的都往多模态靠了。时间序列不知道是啥

nlp

多模态

目前是多模态比较有前景，未来谁也说不准

多模态更好一些<br><br>nlp和cv涉猎不多，时序比较熟悉，所以评价一下时序<br><br>目前异常检测还行，但时序预测就是一坨，没有模型能真正能做到“预测”，从数学角度来说，当前技术无法实现“异常预测”，现有模型对突变、异常的捕获能力“几乎没有”。（看看股市预测就知道了）<br><br>此处不得不提top2某组水了一堆论文，确实贡献了不少新思路，把时序几个benchmark刷的老高，但实际应用中不如经典transformer，金融领域甚至不如老掉牙的LSTM。<br><br>这几年时序又开始搞通用时序大模型，但实际应用价值不高（网上有很多评价）。<br><br>时序如果有私有数据集，或者针对特殊领域，还是能做一做的。那几个通用数据集已经卷的没边了。<br><br>总结来说，时序想水论文还是可以的，但个人不看好这个领域的前景，除非能真正做到“异常预测”

同感<br>【 在 IWhisper#898 的大作中提到: 】<br><font class="f006">: 多模态更好一些 </font><br><font class="f006">: nlp和cv涉猎不多，时序比较熟悉，所以评价一下时序 </font><br><font class="f006">: ............ </font>

感谢，目前在研究时序，看了几篇论文感觉都有点扯，整私有数据集又不太好发论文<img src="/img/ubb/ema/1.gif" alt="ema1" style="display:inline;border-style:none"><br>【 在 IWhisper#898 的大作中提到: 】<br><font class="f006">: 多模态更好一些 </font><br><font class="f006">: nlp和cv涉猎不多，时序比较熟悉，所以评价一下时序 </font><br><font class="f006">: ............ </font>

感觉后两个都行。我上一段实习用Patch TST预测..., 现在这段是与FedDAT相关的。马上研一开学了，希望研究生阶段能有时间再好好学学<br>【 在 IWhisper#898 的大作中提到: 】<br><font class="f006">: 多模态更好一些 </font><br><font class="f006">: nlp和cv涉猎不多，时序比较熟悉，所以评价一下时序 </font><br><font class="f006">: ............ </font>

排除cv，传统cv更死了也没什么区别，像感知这种3d的cv因为背靠都是自驾公司所以卷得不行

PatchTST确实不错，后续很多论文像itransformer等在思路上都跟进了PatchTST，几年过去了PatchTST依旧坚挺。就是可惜依旧没实现本质上的突破。

NLP 如何呀求教