本稿では、複数の時系列データに対する生成モデルの重要性を指摘し、従来の拡散ベースの手法の遅さや固定長に制限される課題を解決するための新しいフレームワーク「FAR-TS」を提案しています。FAR-TSは、自己回帰型のトランスフォーマーを使用し、離散的で量子化された潜在空間内で因子分解を行い、時系列を生成します。具体的には、各時系列データを静的なチャネル間の相関と時間的係数に分解し、これをベクトル量子化して離散トークンに変換します。その後、LLaMAスタイルの自己回帰トランスフォーマーがこれらをモデル化し、任意の長さのシーケンスを迅速かつ制御可能に生成することを可能にします。この設計により、FAR-TSはDiffusion-TSよりも桁違いに迅速な生成を実現し、チャネル間の相関や解釈可能な潜在空間を維持しつつ、高品質で柔軟な時系列合成が可能です。