본 논문은 불규칙 다변량 시계열(IMTS) 예측에서 발생하는 비정렬된 다채널 신호와 광범위한 결측 데이터 문제를 해결하기 위해 Visual Mask AutoEncoder (MAE)를 기반으로 하는 새로운 프레임워크인 VIMTS를 제안합니다. VIMTS는 IMTS를 시간 축을 따라 동일한 간격으로 특징 패치로 처리하고, 학습된 채널 간 의존성을 이용하여 결측값을 보완합니다. 이후 MAE의 희소 다채널 데이터 처리 능력을 활용하여 패치를 재구성하고, 정밀한 예측을 위해 상황에 맞는 세밀한 기술을 적용합니다. 또한 자기지도 학습을 통합하여 IMTS 모델링을 개선합니다. 실험 결과 VIMTS는 우수한 성능과 몇 번의 학습만으로도 좋은 결과를 보이는 능력을 보여줍니다.
