随着边缘侧 AI 推理的广泛部署，边缘平台对延迟敏感、高并发和可靠性关键应用的支持需求日益增加。
然而，现有方法往往难以在协作的云边环境中平衡多维特征建模和预测效率。为了解决这一问题，我们提出了 DSTFView，一个针对协作云边环境的双输入时空频域多视角工作负载预测框架。
该框架联合建模了接近性和周期依赖性，并提取了空间、时间和频域依赖性。此外，DSTFView 设计了一种自适应融合机制，调整每个视角的贡献，以捕捉突发变化。
实验结果表明，DSTFView 在 CPU 和 TP 数据集上的表现始终优于多个预测视角和评估指标下的代表性基线。
博主点评： DSTFView 的提出显著提升了云边协作中的工作负载预测能力，通过双输入建模实现了更高的预测精度，尤其在动态变化的环境中表现优异。其自适应机制值得在更多场景中探索应用。