TSB-UAD-M

新型扩散模型增强时间序列异常检测

研究人员开发了NV-Tesseract-AD，一个用于检测多元时间序列数据中异常的新框架。该方法利用课程学习策略结合条件扩散模型，将训练过程从简单任务结构化为更复杂的任务。与基线方法相比，该系统在异常检测方面取得了显著改进，F1分数提高了3.7倍，均方误差降低了56%。此外，NV-Tesseract-AD在NAB和NormA等基准数据集上实现了高零样本性能，表明其鲁棒性和在实际应用中的潜力。