论文略读：Diffusion Transformers for Tabular Data Time Series Generation

ICLR 2025  566

表格数据生成因其广泛的应用场景，近年来受到越来越多关注。然而，生成时间序列形式的表格数据（即序列中每个元素相互依赖）仍是一个几乎未被充分研究的领域。这一研究空白可能源于需要同时解决多个难题，最主要的是：

• 表格数据的异质性（即数据类型复杂、多样，这是非时间序列场景下也普遍存在的问题）；

• 时间序列长度可变性，使得建模更具挑战性。

为了解决上述难题，本文提出了一种基于 Diffusion Transformers（DiTs） 的时间序列表格数据生成方法。受到 DiTs 在图像和视频生成中取得成功的启发，我们将这一框架扩展至支持异构数据与可变长度序列。

通过在六个不同的数据集上的大量实验证明，我们的方法在生成质量上相比现有方法有显著提升，展现出在这一新兴领域的强大潜力。