TS-Diffusion: 用扩散模型生成高复杂度的时间序列
原文中文，约200字，阅读约需1分钟。发表于：。该研究论文介绍了 TS-Diffusion，一个通用模型，适用于处理具有采样不规则性、缺失值和大型特征 - 时间维度等复杂性的时间序列，通过分析、学习和生成时间序列的表示，该模型在传统和复杂时间序列的任务上表现出色，显著优于之前的基准模型。
该文介绍了一种基于普通微分方程的线性扩散模型（LinDiff），旨在实现快速推理和高采样质量，并通过基于补丁的处理方法来减少计算复杂性和实现嘈杂语音的有效全局建模。该模型使用对抗性训练进一步改善样本质量，并在 Mel-声谱图上条件语音合成中进行测试，实验结果表明，即使只有一个扩散步骤，该模型也可以合成高质量的语音，而且在更快的合成速度下合成质量与自回归模型相媲美。
