본 논문은 시계열 데이터를 숫자 시퀀스뿐만 아니라 이미지와 텍스트로 변환하여 다중 모달 뷰(MMVs)를 생성하고, 이를 통해 강력한 사전 훈련된 대규모 모델(예: 대규모 비전 모델, LVMs)을 활용하여 장기 시계열 예측(LTSF)을 수행하는 방법을 제시합니다. LVMs를 LTSF에 적용할 때 "예측 기간"에 대한 귀납적 편향이 존재한다는 점을 발견하고, 이를 활용하기 위해 추세-계절 분해와 새로운 역추정 잔차 기반 적응형 분해를 활용하여 MMVs를 통합하는 새로운 분해 기반 다중 모달 뷰 프레임워크인 DMMV를 제안합니다. 다양한 데이터셋에서 14개의 최첨단(SOTA) 모델과 비교 평가한 결과, DMMV는 단일 뷰 및 기존 다중 모달 기준 모델보다 우수한 성능을 보이며, 8개의 벤치마크 데이터셋 중 6개에서 평균 제곱 오차(MSE)가 가장 낮았습니다.