研究人员开发了一种名为PaCoDi（并行复杂扩散）的新颖方法，以改进使用扩散模型生成时间序列数据。该方法在谱域操作，分解时间依赖性以简化扩散过程并克服“纠缠诅咒”。PaCoDi利用并行实值估计器处理复值动力学，从理论上证明了其统计正交性，并可扩展到连续时间SDE。实验表明，与现有方法相比，PaCoDi在生成质量和计算效率方面均表现更优。 AI
影响 引入了一种更有效、更强大的生成复杂时间序列数据的方法，可能影响依赖于顺序数据的领域。
排序理由 该集群包含一篇详细介绍使用扩散模型进行时间序列生成新方法的论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2602.17706v2 Announce Type: replace Abstract: Diffusion models learn data distributions indirectly through denoising, making the difficulty of generative modeling closely tied to the dependency structure of data. For time series, strong temporal dependence forces the noise …
The boundary between real and diffusion-generated time series is becoming increasingly difficult to draw, yet detection in this domain remains underexplored, especially when the generator is unknown. We compare white-box detection, which requires access to the generator, against …