Fun-TSG는 다변량 시계열 이상 탐지 모델 평가용 벤치마크 데이터 생성기다. 기존 벤치마크가 세밀한 이상 라벨, 변수 간·시간 의존성, 생성 메커니즘 투명성 부족으로 한계가 있는 점을 해결한다. Fun-TSG는 랜덤 샘플링 기반 자동 생성과 사용자가 방정식·이상 유형을 정의하는 수동 생성을 모두 지원하며, 변수·타임스탬프 수준의 ground-truth 라벨을 제공한다. 해석 가능하고 재현 가능한 다양한 시나리오를 만들어 모델의 세부 성능 분석을 가능케 한다.
- •다변량 시계열 이상 탐지 평가용 완전 커스터마이징 가능한 벤치마크 생성기
- •변수·타임스탬프 수준 ground-truth 라벨 자동 생성
- •자동 생성(랜덤 샘플링) + 수동 생성(방정식·이상 유형 정의) 양쪽 지원
- •변수 간 및 시간적 의존성 구조를 명시적으로 기술
- •해석 가능·재현 가능한 벤치마크 시나리오 다량 생성
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Fun-TSG: A Function-Driven Multivariate Time Series Generator with Variable-Level Anomaly Labeling
- 1.시계열 이상 탐지 벤치마크 부족 문제를 풀기 위한 공개 생성 도구
- 2.변수 수준 라벨 제공으로 세밀한 성능 분석 가능
- 3.연구·실무 모두 재현 가능한 테스트베드 제공
왜 중요한가?
이상 탐지 모델은 실제 배포 시 신뢰성이 핵심이지만 기존 벤치마크의 한계로 공정한 비교가 어려웠다. Fun-TSG는 투명한 생성 과정과 세밀한 라벨로 모델 간 비교·약점 분석을 체계화한다.
언급 프로젝트
본문 미리보기
arXiv:2604.14221v1 Announce Type: new Abstract: Reliable evaluation of anomaly detection methods in multivariate time series remains an open challenge, largely due to the limitations of existing benchmark datasets. Current resources often lack fine-grained anomaly annotations, do not provide explicit intervariable and temporal dependencies, and offer little insight into the underlying generative mechanisms. These shortcomings hinder the development and rigorous comparison of detection models, e
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 22:30AI 초안
