본 논문은 Transformer와 MLP 아키텍처의 발전에도 불구하고, 시계열 분석에서 CNN의 성능이 기대에 미치지 못하는 현실을 지적하며, CNN의 표현 능력 향상을 위한 새로운 시각과 설계 혁신을 제시합니다. 특히, 패치 간, 패치 내, 변수 간 차원을 고려하는 새로운 시계열 재구성 기법을 도입하고, 3D 관점을 활용하는 동적 CNN인 TVNet을 제안합니다. TVNet은 CNN의 계산 효율성을 유지하면서 5가지 주요 시계열 분석 과제에서 최첨단 결과를 달성하며, 기존 Transformer 및 MLP 기반 모델보다 효율성과 성능 면에서 우수한 균형을 제공합니다. 또한, 향상된 전이성과 강건성을 보이는 것으로 나타났으며, 고급 시계열 분석 과제에 CNN을 적용하는 새로운 관점을 제공합니다.
