소스-프리 도메인 적응(SFDA)은 어노테이션된 소스 도메인으로부터 사전 훈련된 모델을 레이블이 없는 타겟 도메인에 적응시키는 것을 목표로 하며, 소스 데이터에 접근하지 않아 데이터 프라이버시를 보장합니다. 기존 SFDA 방법들은 소스 데이터 의존성을 줄이는 데 효과적이었지만, MTS 데이터의 고유한 공간적 상관관계를 고려하지 못하여 다변량 시계열(MTS)에서 성능이 저조했습니다. 이러한 공간적 상관관계는 MTS 데이터를 정확하게 표현하고 도메인 간 불변 정보를 보존하는 데 중요합니다. 이러한 문제를 해결하기 위해 본 논문에서는 MTS 데이터에 맞춘 새로운 SFDA 방법인 Temporal Restoration and Spatial Rewiring (TERSE)을 제안합니다. TERSE는 기저 공간-시간적 특징을 포착하도록 설계된 맞춤형 공간-시간적 특징 인코더와 시간적으로 마스킹된 시계열과 공간적으로 마스킹된 상관 구조의 잠재 표현을 복원하는 시간적 복원 및 공간적 재배선 작업으로 구성됩니다. 타겟 적응 단계에서, 타겟 인코더는 소스 사전 훈련된 시간적 복원 및 공간적 재배선 네트워크를 활용하여 소스 도메인과 공간적 및 시간적으로 일관된 특징을 생성하도록 유도됩니다. 따라서 TERSE는 도메인 간 공간-시간적 의존성을 효과적으로 모델링하고 전달하여 암묵적 특징 정렬을 용이하게 합니다. 또한 MTS-SFDA에서 공간-시간적 일관성을 동시에 고려하는 최초의 접근 방식으로서, TERSE는 기존 SFDA 방법에 통합 가능한 다목적 플러그 앤 플레이 모듈로도 활용될 수 있습니다. 세 개의 실제 시계열 데이터셋에 대한 광범위한 실험은 제안된 방법의 효과와 다양성을 보여줍니다.
