Cross-Tabular Data Generation

新框架从多个表格生成合成健康数据

研究人员开发了一种新颖的两阶段跨表格数据生成（CTDG）框架，解决了现有方法主要关注单个表格的局限性。所提出的方法首先将异构原始表格标准化为统计表格，捕捉边际分布和成对相关性。随后，扩散 Transformer 模型学习这些同构表格中的模式，以生成合成统计表格，然后将其重构为逼真的合成原始表格。该方法能够以高保真度生成无限数量的合成异构表格，并在保真度和多样性之间取得有利的权衡。