TabSCM: A practical Framework for Generating Realistic Tabular Data
Federal Institute for Occupational Safety and Health (BAuA)（联邦职业安全与健康研究所）；School of Computation, Information and Technology, Technical University of Munich（计算、信息与技术学院，慕尼黑技术大学）；Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
TabSCM通过保留因果依赖生成真实表格数据，结合条件扩散模型和梯度提升树提高生成质量，同时在多个数据集上优于现有方法，提升解释性和因果鲁棒性。
2026-04-24 cs.LG
GAN-based Tabular Data Generator for Constructing Synopsis in Approximate Query Processing: Challenges and Solutions
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
本文研究利用GAN生成表格数据以构建近似查询处理（AQP）中的数据概要，分析分布保持、有界连续与分类数据处理及语义关系保留等挑战，提出改进的表格GAN架构与可靠性评估指标，验证了其在提升AQP效率与效果方面的潜力。
2023-11-09 cs.DB cs.LG
An improved tabular data generator with VAE-GMM integration
Universidad Politécnica de Madrid（马德里理工大学）
提出一种在 VAE 架构中集成贝叶斯高斯混合模型的表格数据生成方法，通过支持可微分布处理混合特征，在真实数据集上显著优于 CTGAN 和 TVAE。
2024-11-14 cs.AI cs.LG
CasTGAN: Cascaded Generative Adversarial Network for Realistic Tabular Data Synthesis
Department of Engineering Cybernetics, Norwegian University of Science and Technology（挪威科技大学工程控制论系）
本文提出 CasTGAN 级联表格 GAN 框架，通过逐特征专用生成器提升合成表格数据的依赖有效性，并增强其对抗白盒定向隐私攻击的鲁棒性。
2024-01-22 cs.AI cs.LG
Diff-DDoS: Realistic Cyber-Physical Attack Synthesis and Robust Detection for 5G-Enabled CPS Using Tabular Diffusion Models
The Hong Kong Polytechnic University（香港理工大学）；Xi’an Jiaotong University（西安交通大学）；The Hang Seng University of Hong Kong（香港恒生大学）；Hong Kong Shue Yan University（香港树仁大学）
该研究针对5G赋能CPS的DDoS检测数据稀缺问题，提出Diff-DDoS三阶段框架，采用表格扩散模型生成逼真攻击并通过对抗扩散训练提升ResNet50等检测器的鲁棒性，在米兰CDR数据集上取得优异检测效果。
2026-08-19 cs.CR cs.LG
Measuring Privacy Risks and Tradeoffs in Financial Synthetic Data Generation
Rensselaer Polytechnic Institute（拉特格斯理工学院）
本文研究了金融领域合成数据生成中隐私与效用的权衡，通过改进GAN和自编码器的隐私保护实现，评估了不同数据集平衡性对生成质量的影响。
2026-02-10 cs.LG
P-TA: Using Proximal Policy Optimization to Enhance Tabular Data Augmentation via Large Language Models
Technical University of Munich（慕尼黑工业大学）
提出P-TA方法，利用近端策略优化（PPO）将LLM作为GAN生成器进行表格数据增强，解决梯度断点问题，在三个真实数据集上准确率提升约4%。
2025-02-23 cs.LG
Conditional Wasserstein GAN-based Oversampling of Tabular Data for Imbalanced Learning
类不平衡是监督学习中的一个常见问题，它影响了分类模型的预测性能。流行的对策包括对少数族裔进行过度抽样。像SMOTE这样的标准方法依赖于寻找最近邻和线性插值，这在高维复杂数据分布的情况下是有问题的。生成对抗网络（GANs）已被提出作为生成人工少数样本的替代方法，因为它们可以对复杂分布进行建模。然而，先前对基于GAN的过采样的研究并没有结合文献中关于使用GANs生成现实表格数据的最新进展。以前的研究也集中在数值变量，而分类功能是常见的许多商业应用的分类方法，如信用评分。该文提出了一种基于条件Wasserstein GAN的过采样方法，该方法能够有效地对包含数值和分类变量的表格数据集进行建模，并通过辅助分类器损失来关注下游分类任务。我们对我们的方法进行基准测试，对标准的过采样方法和七个真实世界的数据集上的不平衡基线。实证结果证明了基于GAN的过采样的竞争力。
2020-08-20 cs.LG
FairDiffuseVQVAE: Sampling-Time Fairness in Tabular Diffusion via Conditional Refinement of Vector-Quantized Latents
University of California, Irvine（加州大学欧文分校）
FairDiffuseVQVAE是将保真度与公平性解耦的两阶段表格扩散模型，在多个数据集上实现了显著的公平性提升，同时保持了优异的样本质量。
2026-08-03 cs.LG
Causal Data Augmentation for Robust Fine-Tuning of Tabular Foundation Models
Department of Computer Science University of Freiburg（计算机科学系弗赖堡大学）；University of Freiburg（弗赖堡大学）；Prior Labs ELLIS Institute Tübingen University of Freiburg（Prior实验室ELLIS研究所弗赖堡大学）
CausalMixFT通过因果模型生成合成数据提升表格基础模型在低数据环境下的微调鲁棒性和性能。
2026-01-20 cs.LG
Anchor-based oversampling for imbalanced tabular data via contrastive and adversarial learning
Amirkabir University of Technology (Tehran Polytechnic)（阿米尔卡比尔理工大学（德黑兰理工大学））
针对表格数据不平衡导致分类器偏向多数类的问题，提出基于边界锚点的Anch-SCGAN框架，结合对比与对抗学习生成样本，在16个真实数据集上性能优于现有知名方法。
2025-03-24 cs.AI cs.LG
Bayesian Generative Adversarial Networks via Gaussian Approximation for Tabular Data Synthesis
Department of Social Statistics, The University of Manchester（社会统计系，曼彻斯特大学）；Alliance Manchester Business School, The University of Manchester（曼彻斯特商业联盟学院，曼彻斯特大学）
本文提出GACTGAN，通过高斯近似技术在CTGAN中整合贝叶斯后验近似，以更高效地生成表格数据，提升数据结构和统计信息的保真度并降低隐私风险。
2026-02-25 cs.LG stat.ML
Modeling Tabular data using Conditional GAN
MIT LIDS（麻省理工学院信息与决策系统实验室）；MRC-BSU, University of Cambridge（剑桥大学MRC生物统计组）；Universidad Rey Juan Carlos（胡安·卡洛斯国王大学）
对表格数据中行的概率分布进行建模并生成真实的合成数据是一项重要的任务。表格数据通常包含离散列和连续列的混合。连续柱可能具有多种模式，而离散柱有时不平衡，使得建模困难。现有的统计和深度神经网络模型无法正确地对这类数据进行建模。我们设计了TGAN，它使用条件生成对抗网络来解决这些挑战。为了帮助进行公平和彻底的比较，我们设计了一个基准测试，其中包含7个模拟数据集和8个真实数据集以及多个贝叶斯网络基线。TGAN在大多数真实数据集上优于贝叶斯方法，而其他深度学习方法则不能。
2019-10-28 cs.LG stat.ML
A Comprehensive Survey of Synthetic Tabular Data Generation
School of Artificial Intelligence, Jilin University（吉林大学人工智能学院）；Department of Data Science, New Jersey Institute of Technology（新泽西理工学院数据科学系）
本文系统综述了合成表格数据生成方法，整合传统生成方法、扩散模型和大语言模型三类技术，并从背景、生成方法、应用与挑战三方面梳理研究现状与未来方向。
2025-07-17 cs.LG
CoDi: Co-evolving Contrastive Diffusion Models for Mixed-type Tabular Synthesis
Yonsei University（延世大学）
本文提出CoDi方法，通过两个互为条件且协同演化的扩散模型分别处理连续与离散变量，并引入对比学习与负采样强化二者关联，在11个数据集上验证了其在混合类型表格合成中的有效性。
2023-09-21 cs.AI cs.LG
How Well Does Your Tabular Generator Learn the Structure of Tabular Data?
University of Cambridge（剑桥大学）
本文提出评估基准 TabStruct，以结构保真度为核心维度衡量表格生成模型对因果结构的学习效果，并通过多类生成器与多数据集实验验证其任务无关性和领域无关性。
2025-03-12 cs.LG
Beyond Distribution Matching: Semantics-Consistent Tabular Diffusion with Weak Semantic Priors
Jilin University（吉林大学）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
针对现有表格生成器忽视语义约束的问题，提出语义一致表格扩散框架，利用LLM提取列内语义和列间规则作为生成条件，在统一语义空间进行条件去噪，在六个基准上同时提升分布保真度与语义一致性。
2026-09-16 cs.AI cs.LG
Generating Synthetic Relational Tabular Data via Structural Causal Models
CONTACT Software GmbH（CONTACT软件公司）
本文提出基于结构因果模型的新框架，用于生成包含跨表因果关系和复杂依赖关系的合成关系型表格数据，并通过实验验证其能够模拟真实场景，弥补现有方法仅针对单表数据的不足。
2025-07-04 cs.AI cs.LG stat.AP
Generative Trees: Adversarial and Copycat
Google Research（谷歌研究院）
虽然生成对抗网络（GANs）在图像等非结构化数据上取得了惊人的结果，但在表格数据上仍然存在差距，最先进的监督学习仍然在很大程度上支持基于决策树（DT）的模型。本文提出了一种新的生成表格数据的方法，利用几十年来对DT归纳的监督任务最佳组件的理解，从损失（正确性），模型（基于树）到算法（提升）。监督损失的\textit{properness}条件-假设贝叶斯规则的最优性-使我们得到一个变分GAN风格的损失公式，当鉴别器满足DT平凡满足的校准属性时，它是\textit{tight}，并且在关于监督损失的常见假设下，生成器：$χ^2$产生“一个损失，以训练对抗所有人”。然后，我们介绍了基于树的生成模型，\textit{generative trees}（GT），这意味着在生成方面反映了DT用于分类表格数据的良好特性，并为GT提供了一个增强兼容的\textit{adversarial}训练算法。我们还介绍了\textit{copycat training}，其中生成器在运行时复制的底层树（图）的CDRDT和完成它的最难的判别任务，提高兼容的收敛。我们在任务上测试了我们的算法，包括假/真区分，假数据训练和缺失数据填补。这些任务中的每一个都表明，GT可以提供相对简单的-和可解释的-竞争者，以先进的数据生成方法（使用神经网络模型）或缺失数据填补（依赖于多重填补链式方程与复杂的基于树的建模）。
2022-02-11 cs.LG
CTG-KrEW: Generating Synthetic Structured Contextually Correlated Content by Conditional Tabular GAN with K-Means Clustering and Efficient Word Embedding
Indian Institute of Technology Kharagpur（印度理工学院克勒格布尔分校）；Missouri University of Science and Technology（密苏里科技大学）
本文提出CTG-KrEW框架，结合K-Means聚类和词嵌入改进CTGAN，以高效生成语义连贯的合成表格数据，并在Upwork数据集上验证其效果，显著降低CPU时间和内存占用。
2024-09-03 cs.CL cs.LG
Constrained Tabular Diffusion for Finance
University of Virginia（弗吉尼亚大学）；Massachusetts Institute of Technology（麻省理工学院）；Harvard University（哈佛大学）；Visa Inc（Visa公司）
提出CTDF方法，通过将训练时无约束的表格扩散与采样时的可行性操作结合，在金融数据生成中实现硬约束满足，零违规且提升稀缺数据效用。
2026-06-27 cs.AI cs.LG
AugMask: Training Diffusion Models on Incomplete Tabular Data via Stochastic Augmentation and Masking
KAIST（韩国科学技术院）
提出AugMask训练框架，通过条件随机增强和仅对观测坐标去噪，使标准扩散模型适应缺失表格数据，并连接Rao-Blackwellized目标实现方差加权惩罚，优于专门处理缺失的基线。
2026-06-02 cs.AI cs.LG stat.ML
Invertible Tabular GANs: Killing Two Birds with OneStone for Tabular Data Synthesis
Yonsei University（延世大学）；Samsung SDS（三星数据系统公司(Samsung SDS)）
表格数据综合在文献中得到了广泛的关注。这是因为可用的数据通常是有限的，不完整的，或者不能轻易获得，数据隐私变得越来越重要。在这项工作中，我们提出了一个广义的GAN框架，用于表格合成，它结合了GANs的对抗训练和可逆神经网络的负对数密度正则化。拟议的框架可用于两个不同的目标。首先，我们可以进一步提高合成质量，通过降低对抗训练过程中真实记录的负对数密度。另一方面，通过增加真实记录的负对数密度，可以合成真实的假记录，使它们不太接近真实记录，并减少潜在的信息泄漏的机会。我们使用真实世界的数据集进行分类，回归和隐私攻击的实验。一般来说，所提出的方法展示了最佳的合成质量（就面向任务的评估指标而言，例如，F1）在对抗训练期间降低负对数密度时。实验结果表明，如果增加负对数密度，真实记录和虚假记录之间的距离增加，增强了对隐私攻击的鲁棒性。
2022-02-08 cs.AI cs.LG
QTabGAN: A Hybrid Quantum-Classical GAN for Tabular Data Synthesis
Department of Computer Science and Engineering, Indian Institute of Technology (BHU), Varanasi, India（计算机科学与工程系，印度理工学院（BHU），瓦拉纳西，印度）；Department of Applied Mathematics and Theoretical Physics, University of Cambridge, Cambridge, United Kingdom（应用数学与理论物理系，剑桥大学，剑桥，英国）
QTabGAN通过结合量子电路和经典神经网络，提升表格数据合成的效率与准确性，实现高达54.07%的性能提升。
2026-03-05 cs.LG quant-ph
Feasible and Novel Synthetic Population Generation with Tabular and Sequential Travel Attributes
Concordia University（康考迪亚大学）；Toronto Metropolitan University（多伦多都会大学）
该研究针对合成人群生成的抽样零值与不可行结构零值问题，提出带IGP、LDR、CLAP正则化项的两阶段生成框架，提升了表格与序列出行属性合成的可行性、多样性与新颖性。
2026-08-18 cs.AI cs.LG
Generating Realistic Synthetic Relational Data through Graph Variational Autoencoders
Aindo；University of Trieste（的里雅斯特大学）；Katholieke Universiteit Leuven（鲁汶大学）；Business Integration Partners (BIP)（商业集成伙伴公司（BIP））；Chaucer（乔叟公司）
合成数据生成作为传统数据匿名化的更可靠的替代方案最近获得了广泛的关注。所涉及的方法最初是为图像合成而开发的。因此，它们在医疗保健、金融和其他行业的典型表格和关系数据集上的应用是非常重要的。虽然大量的研究已经致力于现实的表格数据集的生成，合成关系数据库的研究仍处于起步阶段。在本文中，我们结合变分自编码器框架与图神经网络来生成真实的合成关系数据库。然后，我们将得到的方法应用到两个公开的数据库中的计算实验。结果表明，真实数据库的结构准确地保留在合成数据集，即使是大型数据集与先进的数据类型。
2022-11-30 cs.AI cs.LG
Measuring the Dependency Gap: Diagnosing Inter-Column Fidelity in Tabular Generative Models
Accenture Japan（埃森哲日本公司）
研究表格生成模型列间保真度，引入依赖感知保真度诊断方法，分解XGB-C2ST测试，应用于TabbyFlow/EF-VFM发现标准指标遗漏的依赖差距，探讨差距原因，表明是缺乏直接依赖监督，非容量或结构问题
2026-08-27 cs.AI cs.LG
Causal-TGAN: Generating Tabular Data Using Causal Generative Adversarial Networks
Stevens Institute of Technology（史蒂文斯理工学院）
合成数据生成作为隐私泄露和数据短缺的解决方案变得流行。生成式模型的目的是生成一个真实的合成数据集，它可以精确地表达真实数据集的数据分布。生成对抗网络（GAN）在计算机视觉领域取得了巨大的成功，被广泛用于合成数据的生成。虽然之前的研究已经取得了很大的进展，但大多数研究都是学习数据分布中的相关性，而不是数据集自然生成的真实过程。相关性是不可靠的，因为它是一种统计技术，只告诉线性相关性，很容易受到数据集的偏见。因果关系编码了真实数据如何自然生成的所有潜在因素，比相关性更可靠。在这项工作中，我们提出了一个因果模型命名为因果表格生成神经网络（Causal-TGAN）生成合成表格数据使用表格数据的因果信息。在模拟数据集和真实数据集上进行的大量实验表明，当给定真实因果图时，我们的方法具有更好的性能，当使用估计因果图时，我们的方法具有相当的性能。
2021-04-21 cs.AI cs.LG
Multi-objective evolutionary GAN for tabular data synthesis
The University of Manchester（曼彻斯特大学）；Alliance Manchester Business School（曼彻斯特联盟商学院）
本文提出SMOE-CTGAN，利用条件向量和多目标进化优化平衡表格合成数据的实用性与披露风险，并在多个人口普查数据集上获得不同风险—效用权衡及早期低风险最佳点。
2024-04-15 cs.LG cs.NE
TabGift: A Context-Efficient Foundation Model for Tabular Data Generation
School of Artificial Intelligence, Nanjing University（南京大学人工智能学院）；National Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室）
本文提出TabGift，一种上下文高效的表格基础模型，通过预训练表格编码器与上下文扩散模型实现有限上下文下的表格数据生成，在7个分类和11个回归数据集上的合成数据质量优于基线，适配与生成速度更快。
2026-10-14 cs.AI cs.LG
Cascaded Flow Matching for Heterogeneous Tabular Data with Mixed-Type Features
Econometric Institute, Erasmus University Rotterdam, Rotterdam, The Netherlands（荷兰埃因霍温鲁特兰大学经济研究所）
本文提出级联流匹配方法，用于生成混合类型特征的表格数据，通过低分辨率和高分辨率的结合，提升生成质量与分布细节的准确性。
2026-05-13 cs.LG stat.ML
TabCausal: Pretraining Across Causal Environments for Tabular Causal Discovery
Nanjing University（南京大学）
提出TabCausal，一种通过动态任务构建策略在多样化因果环境中进行大规模预训练的因果发现基础模型，在合成和语义基准上优于现有方法。
2026-08-19 cs.LG
MissDiff: Training Diffusion Models on Tabular Data with Missing Values
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Renmin University of China（中国人民大学）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
本文提出MissDiff框架，通过掩码去噪分数匹配的回归损失解决表格数据缺失值问题，避免了“先插补后生成”的偏差，在多个数据集上大幅优于现有扩散模型。
2023-07-02 cs.LG stat.ML
Semi-supervised Learning by Latent Space Energy-Based Model of Symbol-Vector Coupling
University of California, Los Angeles（加州大学洛杉矶分校）；Stevens Institute of Technology（斯蒂文斯理工学院）
提出了一种基于潜在空间能量的半监督学习先验模型。该模型建立在一个生成器网络上，该网络将一个潜在向量映射到观察到的示例。先验模型的能量项将潜在向量和符号独热向量耦合，使得分类可以基于从观察到的示例推断的潜在向量。在我们的学习方法中，符号向量耦合，生成器网络和推理网络联合学习。我们的方法适用于半监督学习在各种数据域，如图像，文本和表格数据。实验结果表明，该方法在半监督学习任务中表现良好。
2020-10-19 cs.LG
Improving Credit Card Fraud Detection through Transformer-Enhanced GAN Oversampling
提出一种结合Transformer编码器的GAN过采样方法，生成高质量合成少数类样本，在信用卡欺诈数据集上显著提升召回率、F1分数和AUC，有效解决类别不平衡问题。
2025-09-24 cs.LG
GIST: Generator-state-Informed Supervision for Tabular Foundation Models
针对表格基础模型预训练的采样变异性问题，提出GIST方法，利用生成器状态对条件标签分布的查询损失平均，在不改变架构和推理的情况下，在两个基准数据集的三种架构上提升性能，胜率达62.1%。
2026-10-12 cs.LG
SYNTHONY: A Stress-Aware, Intent-Conditioned Agent for Deep Tabular Generative Models Selection
University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
本文提出SYNTHONY，一种基于意图的表格生成模型选择框架，通过压力分析选择最佳合成器，提升模型在不同数据分布下的性能和实用性。
2026-03-31 cs.LG stat.ML
PEG-Tab: Sampling-Time Record Repair and Release Control for Tabular Synthesis
针对预训练表格生成器可能泄露训练记录的问题，提出PEG-Tab后训练框架，通过生成替代候选和校准评分控制发布，显著降低复制风险并保持高效用。
2026-10-01 cs.LG
REaLTabFormer: Generating Realistic Relational and Tabular Data using Transformers
The World Bank（世界银行）
表格数据是组织数据的常见形式。多个模型可用于生成观测独立的合成表格数据集，但很少有模型能够生成关系数据集。对关系数据进行建模具有挑战性，因为它需要对“父”表及其跨表的关系进行建模。我们介绍REaLTabFormer（Realistic Relational and Tabular Transformer），一个表格和关系的合成数据生成模型。它首先使用自回归GPT-2模型创建父表，然后使用序列到序列（Seq 2Seq）模型生成以父表为条件的关系数据集。我们实现了目标屏蔽，以防止数据复制，并提出了$Q_δ$统计和统计自举检测过拟合。使用真实世界数据集的实验表明，REaLTabFormer比基线模型更好地捕捉关系结构。REaLTabFormer还可以在预测任务上实现最先进的结果，“开箱即用”，用于大型非关系数据集，而无需微调。
2023-02-04 cs.LG
GReaTER: Generate Realistic Tabular data after data Enhancement and Reduction
针对表格数据生成中语义不足、多表关联难的问题，提出GReaTER框架，通过语义增强和跨表连接优化LLM的表格数据生成效果，性能优于GReaT框架。
2025-03-19 cs.LG
TabDLM: Free-Form Tabular Data Generation via Joint Numerical-Language Diffusion
Washington University in St. Louis（华盛顿大学圣路易斯分校）；Peking University（北京大学）；Ant Group（蚂蚁集团）
本文提出TabDLM，通过联合数值-语言扩散模型生成包含文本、分类和数值特征的自由形式表格数据，有效解决多模态数据生成难题。
2026-05-11 cs.AI cs.CL cs.LG
TabMosaic: Unified In-Context Diffusion for Tabular Generative Tasks
KAIST（韩国科学技术院）；Oregon State University（俄勒冈州立大学）
本研究提出TabMosaic，一种无需表格特定训练的统一上下文内扩散模型，将表格生成任务统一为联合多单元格生成问题，在48个真实表格的所有生成任务中优于20种基线方法。
2026-10-14 cs.AI cs.LG
Salesforce CausalAI Library: A Fast and Scalable Framework for Causal Analysis of Time Series and Tabular Data
Salesforce（赛富时）；Carnegie Mellon University（卡内基梅隆大学）
本文介绍开源库 Salesforce CausalAI，支持表格与时间序列数据的因果发现和推断，具备线性和非线性算法、多进程加速、可控数据生成及无代码 UI，旨在提供快速灵活的因果分析解决方案。
2023-09-23 cs.AI cs.LG
Constrained Adaptive Attacks: Realistic Evaluation of Adversarial Examples and Robust Training of Deep Neural Networks for Tabular Data
University of Luxembourg（卢森堡大学）；RIKEN AIP（日本理化学研究所革新智能统合研究中心）
针对表格数据深度学习模型缺乏现实对抗鲁棒性评估方案的问题，提出结合梯度与搜索的无参数迭代约束自适应攻击CAA，构建覆盖三类场景、十种威胁模型的基准，明确影响鲁棒性的因素并给出改进建议。
2023-11-08 cs.LG
Synthetic Tabular Generators Fail to Preserve Behavioral Fraud Patterns: A Benchmark on Temporal, Velocity, and Multi-Account Signals
Independent Researcher（独立研究者）
本文提出行为保真度，用于评估合成表格数据是否保留区分真实世界实体活动的时间、序列和结构行为模式。现有框架仅评估统计保真度和下游效用，而本文证明基于行的生成器无法再现欺诈模式，且在多个数据集上表现不佳。
2026-04-13 cs.LG
TDGT: A Tabular Data Generation Toolkit supporting adaptive GPU-accelerated Bayesian mixture models, diffusion-based models, and latent-space generative modeling
SYNTHAINA AI
提出TDGT工具包，集成自适应贝叶斯混合合成器（ABMS）及其变体VAE-ABMS，支持GPU加速，通过11项统计保真度指标评估，在医疗、社会经济和网络安全数据集上验证了生成质量。
2026-07-01 cs.AI cs.LG
Shared Loss between Generators of GANs
生成对抗网络是能够以高精度复制输入数据的隐式概率分布的生成模型。传统上，GANs由一个Generator和一个Discriminator组成，它们相互作用以产生高度真实的人工数据。传统的GANs会受到模式坍塌问题的困扰，这意味着它们无法生成输入数据集中存在的不同数据变化。最近，多个发生器已被用于通过减轻模式坍塌问题来产生更真实的输出。我们使用这个多生成器框架。本文的新颖之处在于使发电机相互竞争，同时与发电机相互作用。我们表明，这会导致GANs的训练时间大幅减少，而不会影响其性能。
2022-11-14 cs.AI cs.LG
BSTabDiff: Block-Subunit Diffusion Priors for High-Dimensional Tabular Data Generation
West Virginia University（西弗吉尼亚大学）；The University of Utah（犹他大学）
针对高维低样本量表格数据，提出BSTabDiff框架，通过将特征划分为潜在块并使用共享低维子单元变量生成每个块，结合扩散先验和copula依赖，实现稳定合成与可控基准生成。
2026-06-08 cs.AI cs.LG stat.ML
RCC-GAN: Regularized Compound Conditional GAN for Large-Scale Tabular Data Synthesis
École de Technologie Supérieure (ÉTS), Université du Québec（魁北克大学高等技术学院）；Fédération des Caisses Desjardins du Québec（魁北克德信联合会）；University of Windsor（温莎大学）
本文介绍了一种新的生成式对抗网络（GAN），用于合成包含连续、离散和二进制等各种特征的大规模表格数据库。从技术上讲，我们的GAN属于具有预定义条件向量的类条件生成模型的类别。然而，我们提出了一个新的配方，用于推导这样一个向量，同时将二进制和离散功能。我们将这个崇高的定义称为复合条件向量，并将其用于训练生成器网络。该网络的核心架构是一个三层的深度残差神经网络与跳跃连接。为了提高这种复杂体系结构的稳定性，我们提出了一种正则化方案，以限制训练过程中权重向量的前所未有的变化。这种正则化方法与对抗训练的性质非常兼容，并且在运行时不会在计算上受到限制。此外，我们不断监测权重向量的变化，以识别任何潜在的不稳定性或不规则性，以衡量我们提出的正则化器的强度。为此，我们还开发了一个新的度量跟踪突然扰动的权重向量使用奇异值分解理论。最后，我们评估了我们提出的综合方法的性能六个基准表数据库，即成人，人口普查，HCDR，出租车，新闻，国王。所取得的结果证实，对于大多数情况下，我们提出的RccGAN在准确性，稳定性和可靠性方面优于其他传统和现代生成模型。
2022-05-24 cs.AI cs.DB cs.LG
Black-Box Training Data Identification in GANs via Detector Networks
Harvard University（哈佛大学）
本文研究了黑盒设置下针对GAN的成员推理攻击，提出基于检测器网络的攻击方法The Detector，证明其近似最优，并发现GAN可能比其他模型更具隐私性但仍有被攻击风险。
2023-10-18 cs.AI cs.LG
Generating High-quality Privacy-preserving Synthetic Data
Department of Computer Science and Software Engineering, Université Laval（计算机科学与软件工程系，拉瓦尔大学）；Caisses Desjardins du Québec（魁北克银行）
本文提出了一种后处理框架，通过模式修补和k最近邻过滤提升合成数据质量与隐私保护，实验证明其在分布保真度和隐私指标上的改进效果。
2026-02-06 cs.AI cs.LG
TabStruct: Measuring Structural Fidelity of Tabular Data
Department of Computer Science and Technology, University of Cambridge（计算机科学与技术系，剑桥大学）；Télécom Paris, Institut Polytechnique de Paris（巴黎理工 Télécom Paris）
TabStruct提出了一种新的评估框架，结合结构忠实性和传统评估维度，引入全局效用度量，提供对13个表格生成器的全面评估。
2026-03-04 cs.LG
Beyond the convexity assumption: Realistic tabular data generation under quantifier-free real linear constraints
University of Oxford（牛津大学）；Imperial College London（伦敦帝国学院）
本文提出析取细化层（DRL），使深度生成模型在无量词实数线性约束下生成符合背景知识的真实表格数据，消除违规并提升下游任务性能。
2025-02-25 cs.LG
Turning the Tables: Biased, Imbalanced, Dynamic Tabular Datasets for ML Evaluation
Feedzai；Faculdade de Ciências da Universidade do Porto（波尔图大学理学院）；INESCTEC Universidade do Porto（波尔图大学系统与计算机工程、技术与科学研究所）
在现实数据集上评估新技术在ML研究的发展及其被从业者更广泛采用方面起着至关重要的作用。近年来，用于计算机视觉和NLP任务的公开可用的非结构化数据资源显著增加。然而，表格数据-在许多高风险领域普遍存在-一直落后。为了弥合这一差距，我们提出了银行账户欺诈（BAF），这是第一个公开的隐私保护，大规模，现实的表格数据集套件。该套件是通过将最先进的表格数据生成技术应用于匿名的真实世界银行开户欺诈检测数据集而生成的。这种设置带来了一系列现实应用中常见的挑战，包括时间动态和显著的类不平衡。此外，为了允许从业者对ML方法的性能和公平性进行压力测试，BAF的每个数据集变体都包含特定类型的数据偏差。有了这个资源，我们的目标是为研究界提供一个更现实，完整和强大的测试平台，以评估新的和现有的方法。
2022-11-28 cs.LG
