LM-TAD

新型基于视觉的模型TITAnD实现多月轨迹异常检测

研究人员推出了一种新颖的轨迹异常检测方法TITAnD，该方法将问题重新构建为计算机视觉任务。通过将轨迹表示为高光谱轨迹图像（HTIs），TITAnD将密集和稀疏的轨迹数据统一为单一格式。该系统利用循环因子化Transformer（CFT）高效处理这些图像，首次实现了多月异常检测，并在关键基准测试中，在速度和准确性上均优于现有的视觉模型和Transformer架构。