본 논문은 시계열 예측(TSF) 모델이 고품질 데이터에 의존하고, 가용한 모든 데이터를 충분히 활용하지 못하는 문제를 해결하기 위해, 새로운 자기 지도 학습 기반 접근 방식을 제안합니다. 특히, 재구성 네트워크를 통해 생성된 중간 결과를 의사 레이블로 활용하여 시계열 데이터셋을 재구성하는 방식을 제시합니다. Overfitting을 방지하기 위해 Self-Correction with Adaptive Mask (SCAM) 기법과 Spectral Norm Regularization (SNR)을 도입하며, 다양한 backbone 모델의 성능 향상을 실험을 통해 입증했습니다.
