작지만 신뢰할 수 있는: 시계열 이상 탐지를 위한 효율적인 시각-언어 추론

Tiny but Trusted: Efficient Vision-Language Reasoning for Time-Series Anomaly Detection

최근의 시각-언어 모델(VLM) 발전은 다양한 작업에서 뛰어난 성능을 보여주었으나, 기존 연구에서는 대규모 언어 또는 다중 모달 모델을 사용하여 순차 데이터 내의 비정상 패턴을 찾는 데 만족스럽지 못한 성능이 보고되었습니다. 공개된 이상 탐지 벤치마크는 일반적으로 구간 정보를 제공하지만 자연어 설명을 제공하지 않아 VLM을 미세 조정하여 신뢰할 수 있고 해석 가능한 결정을 생성하기 어렵습니다. 이러한 문제를 해결하기 위해, 우리는 공공 시계열 데이터 세트를 기반으로 구축되고 여러 대규모 VLM에서 선택된 고품질 이상 설명으로 보강된 벤치마크인 VisAnomBench를 개발했습니다. 이 벤치마크를 사용하여 미세 조정을 수행함으로써, 시계열 이상 탐지를 위한 파라미터 효율적인 VLM인 VisAnomReasoner를 개발했습니다. VisAnomBench에서 수행한 실험 결과, VisAnomReasoner는 더 정확한 이상 위치 추적을 달성했으며, 정밀도와 F1 점수에서 각각 최소 21.23% 및 23.87% 포인트의 향상을 보이며 모든 기준 모델보다 우수한 성능을 보였습니다. TSB-AD-U 벤치마크에 대한 추가 실험에서는 강력한 교차 벤치마크 일반화 능력을 보여주었으며, VisAnomReasoner는 정밀도와 F1 점수를 각각 9.57% 및 13.39% 포인트 향상시켰습니다.

Recent advances in Vision-Language Models (VLMs) have achieved impressive performance across many tasks, yet prior studies report unsatisfactory performance when applying large language or multimodal models to finding abnormal patterns in sequential data. Public anomaly detection benchmarks typically provide interval annotations but not natural-language rationales, making it difficult to fine-tune VLMs to produce grounded, interpretable decisions. To address this gap, we construct VisAnomBench, a curated benchmark built from public time-series datasets and augmented with high-quality anomaly explanations selected from multiple large VLMs using fine-grained, task-specific rewards. Through fine-tuning on this benchmark, we develop VisAnomReasoner, a parameter-efficient VLM for time-series anomaly detection. Experimental results on VisAnomBench show that VisAnomReasoner achieves more accurate anomaly localization and consistently outperforms all baselines, with improvements of at least 21.23 and 23.87 percentage points in precision and F1, respectively. Additional experiments on the TSB-AD-U benchmark demonstrate strong cross-benchmark generalization, with VisAnomReasoner improving precision and F1 by 9.57 and 13.39 percentage points, respectively.