論文の概要: Generating Benchmark Health Data Using a Tabular Diffusion Transformer

• arxiv url: http://arxiv.org/abs/2608.14496v1
• Date: Fri, 14 Aug 2026 17:10:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.450424
• Title: Generating Benchmark Health Data Using a Tabular Diffusion Transformer
• Title（参考訳）: タブラル拡散変換器を用いたベンチマーク健康データの生成
• Abstract要約: クロスタブラルデータ生成のための2段階のフレームワークを提案する。 最初の段階では、各不均一な生テーブルは、すべてのテーブルに同じ列のセットを持つ標準化された統計テーブルに変換される。 第2段階では、拡散変圧器モデルを用いて、これらの均質な統計表にまたがる構造パターンを捕捉し、合成統計表を生成する。
• 参考スコア（独自算出の注目度）: 13.603228309180054
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cross-Tabular Data Generation (CTDG) seeks to learn a generative model from multiple heterogeneous tables and produce new synthetic tabular datasets. However, existing synthetic tabular data generation methods are largely restricted to single-input-table scenarios and struggle to effectively handle multiple heterogeneous tables with diverse feature sets. To address this limitation, we propose a two-stage framework for cross-tabular data generation. In the first stage, each heterogeneous raw table is transformed into a standardized statistical table with the same set of columns across all tables. Each statistical table captures the marginal distributions of the original columns and the pairwise correlations among them. In the second stage, a diffusion transformer model is trained to capture structural patterns across these homogeneous statistical tables and to generate synthetic statistical tables. Synthetic raw tables are subsequently reconstructed from the generated statistical tables via multivariate Gaussian sampling followed by an inverse probability integral transform. This two-stage CTDG framework enables the learning of a unified generative model from multiple heterogeneous tables and supports the generation of an unlimited number of realistic synthetic heterogeneous tables. Experimental results demonstrate high fidelity in the learned statistical representations and a favorable fidelity-diversity trade-off in the generated synthetic data, validating the effectiveness of the proposed approach.
• Abstract（参考訳）: クロスタブラルデータ生成(CTDG)は、複数の異種テーブルから生成モデルを学習し、新しい合成表データセットを作成する。 しかし、既存の合成表データ生成手法は、主にシングルインプットテーブルのシナリオに限られており、多様な特徴セットを持つ複数の異種テーブルを効果的に扱うのに苦労している。 この制限に対処するため,クロスタブラルデータ生成のための2段階のフレームワークを提案する。 最初の段階では、各不均一な生テーブルは、すべてのテーブルに同じ列のセットを持つ標準化された統計テーブルに変換される。 各統計表は、元の列の辺りの分布と、それらの間のペアの相関をキャプチャする。 第2段階では、拡散変圧器モデルを用いて、これらの均質な統計表にまたがる構造パターンを捕捉し、合成統計表を生成する。 合成生テーブルは、多変量ガウスサンプリングと逆確率積分変換によって生成された統計表から再構成される。 この2段階CTDGフレームワークは、複数のヘテロジニアステーブルから統一された生成モデルの学習を可能にし、無限個のリアルな合成ヘテロジニアステーブルの生成をサポートする。 実験により, 学習された統計表現の忠実度が高く, 生成した合成データの忠実度と多様性のトレードオフが良好であることを示し, 提案手法の有効性を検証した。

関連論文リスト

• Generating Logically Consistent Synthetic Supply Chain Data with LLM-Driven Knowledge Graph Reasoning [51.78065387034195]
  本稿では,論理的に一貫した合成サプライチェーンデータ生成のための知識グラフ誘導フレームワークであるtextbftextitTabKGを紹介する。
  論文  参考訳（メタデータ） (2026-05-26T10:41:37Z)
• Self-Improving Tabular Language Models via Iterative Group Alignment [76.43372236405664]
  自動フィードバックによるデータ生成のための,最初の自己改善フレームワークであるTabGRAAを紹介する。 新たに生成されたサンプルを高品質なグループと低品質なグループに分割し、グループ相対的な有利な目標を優先順位付けする。 実験では、TabGRAAは、忠実さ、ユーティリティ、プライバシにおいて、既存のメソッドよりも優れています。
  論文  参考訳（メタデータ） (2026-04-21T01:29:52Z)
• PluRel: Synthetic Data unlocks Scaling Laws for Relational Foundation Models [51.42043158297229]
  マルチタブラルリレーショナルデータベースをスクラッチから合成するフレームワークであるPluelを紹介する。 ステップバイステップの方法では,(1)有向グラフのスキーマ,(2)二部グラフのテーブル間一次外部キー接続,(3)条件因果機構によるテーブル内の特徴分布をモデル化する。
  論文  参考訳（メタデータ） (2026-02-03T21:35:18Z)
• RelDiff: Relational Data Generative Modeling with Graph-Based Diffusion Models [83.6013616017646]
  RelDiffは、外部キーグラフ構造を明示的にモデル化することによって完全な関係データベースを合成する新しい拡散生成モデルである。 RelDiffは、現実的で一貫性のある合成リレーショナルデータベースの作成において、従来手法よりも一貫して優れている。
  論文  参考訳（メタデータ） (2025-05-31T21:01:02Z)
• Diffusion-nested Auto-Regressive Synthesis of Heterogeneous Tabular Data [56.48119008663155]
  本稿では,これらの問題に対処する拡散型自己回帰モデル(TabDAR)を提案する。 異なる特性を持つ10のデータセットに対して広範な実験を行い、提案したTabDARは3つの異なる側面にわたる8つの指標に対して、従来の最先端手法を18%から45%上回っている。
  論文  参考訳（メタデータ） (2024-10-28T20:49:26Z)
• TabDiff: a Mixed-type Diffusion Model for Tabular Data Generation [91.50296404732902]
  グラフデータの混合型分布を1つのモデルでモデル化する共同拡散フレームワークであるTabDiffを紹介する。 我々の重要な革新は、数値データと分類データのための連立連続時間拡散プロセスの開発である。 TabDiffは、既存の競合ベースラインよりも優れた平均性能を実現し、ペアワイドカラム相関推定における最先端モデルよりも最大で22.5%改善されている。
  論文  参考訳（メタデータ） (2024-10-27T22:58:47Z)
• CTSyn: A Foundational Model for Cross Tabular Data Generation [9.568990880984813]
  Cross-Table Synthesizer (CTSyn) は、表データ生成に適した拡散ベースの基礎モデルである。 CTSynは、実用性と多様性において既存のテーブルシンセサイザーを著しく上回っている。 また、実際のデータで達成可能なものを超えて、下流機械学習のパフォーマンスを独自に向上させる。
  論文  参考訳（メタデータ） (2024-06-07T04:04:21Z)
• Differentially Private Synthetic Data Generation for Relational Databases [9.532509662034062]
  我々は、既存の差分秘密(DP)合成データ生成機構と組み合わせることができる、第一種アルゴリズムを導入する。 我々のアルゴリズムは、個々の合成テーブル間の関係を反復的に洗練し、近似誤差を最小化する。
  論文  参考訳（メタデータ） (2024-05-29T00:25:07Z)
• Mixed-Type Tabular Data Synthesis with Score-based Diffusion in Latent Space [37.78498089632884]
  本稿では,変分オートエンコーダ(VAE)の潜在空間内での拡散モデルを利用して,表層データを合成する手法であるTabsynを紹介する。 提案したTabsynの主な利点は,(1)単一統一空間に変換してカラム間関係を明示的に捉えることによって,データ型を広い範囲で扱えること,(2)品質:拡散モデルのその後のトレーニングを強化するために潜伏埋め込みの分布を最適化すること,(3)速度:既存の拡散モデルよりもはるかに少ないリバースステップと高速な合成速度を実現すること,である。
  論文  参考訳（メタデータ） (2023-10-14T19:59:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。