본 논문은 기존의 장기 시계열 예측에서 Transformer와 MLP 모델에 주로 의존해온 연구 동향을 고려하여, Convolutional Neural Network (CNN)의 잠재력을 활용하는 새로운 모델을 제시합니다. 여러 기간의 패치들 간의 관계와 변수 간의 의존성을 효과적으로 포착하는 다중 스케일 시계열 재구성 모듈을 도입하고, 이를 기반으로 다중 스케일 3D 동적 CNN인 MS-TVNet을 제안합니다. 다양한 데이터셋에 대한 실험 결과, MS-TVNet은 기존 모델들보다 우수한 성능을 보이며 장기 시계열 예측에서 최첨단(SOTA) 결과를 달성했습니다. 이는 복잡한 시간적 패턴을 포착하기 위한 CNN 활용의 효과성을 보여주며, 해당 분야의 미래 연구에 대한 유망한 방향을 제시합니다. 소스 코드는 https://github.com/Curyyfaust/TVNet 에서 공개됩니다.
