LEFT: 비지도 시계열 이상 탐지를 위한 다중 시점 토큰의 학습 가능한 융합

LEFT: Learnable Fusion of Tri-view Tokens for Unsupervised Time Series Anomaly Detection

비지도 시계열 이상 탐지(TSAD)는 레이블이 없는 상태에서 비정상적인 시점을 식별하는 모델을 구축하는 기본적인 데이터 마이닝 작업입니다. 비지도 TSAD의 주요 과제는 많은 이상 징후가 단일 시점에서 감지 가능한 편차를 나타내지 않고, 대신 시간, 주파수 및 다양한 해상도를 포함한 여러 시점 간의 불일치로 나타난다는 것입니다. 그러나 대부분의 다중 시점 방법은 특징 또는 점수 융합에 의존하며 분석-합성 일관성을 강제하지 않습니다. 즉, 주파수 분기는 역변환을 통해 시계열 신호를 재구성해야 하지만, 그 반대의 경우도 마찬가지입니다. 본 논문에서는 보완적인 표현 간의 불일치를 이상 징후로 모델링하는 통합된 비지도 TSAD 프레임워크인 Learnable Fusion of Tri-view Tokens (LEFT)를 제안합니다. LEFT는 동일한 입력 시계열의 세 가지 시점에서 특징 토큰을 학습합니다. 여기에는 주기 정보를 포함하는 주파수 영역 토큰, 지역 동역학을 캡처하는 시간 영역 토큰 및 다양한 시계열 세분성에서 비정상 패턴을 학습하는 다중 스케일 토큰이 포함됩니다. LEFT는 적응형 Nyquist 제한 스펙트럼 필터 세트를 학습하여 원래 시계열을 여러 해상도로 재조정하고 인코딩하여 이러한 다중 스케일 토큰이 추출된 주파수 및 시간 영역 정보를 보완할 수 있도록 합니다. 융합된 표현을 생성할 때, 우리는 더 세밀한 목표를 더 거친 다중 스케일 구조에서 재구성하는 새로운 목적 함수를 도입하고, 다중 시점 간의 일관성을 명시적으로 규제하기 위한 혁신적인 시간-주파수 순환 일관성 제약 조건을 제시합니다. 실제 벤치마크에 대한 실험 결과, LEFT는 최첨단(SOTA) 기준 모델에 비해 가장 높은 탐지 정확도를 달성했으며, 동시에 FLOPs가 5배 감소하고 훈련 속도가 8배 향상되었습니다.

As a fundamental data mining task, unsupervised time series anomaly detection (TSAD) aims to build a model for identifying abnormal timestamps without assuming the availability of annotations. A key challenge in unsupervised TSAD is that many anomalies are too subtle to exhibit detectable deviation in any single view (e.g., time domain), and instead manifest as inconsistencies across multiple views like time, frequency, and a mixture of resolutions. However, most cross-view methods rely on feature or score fusion and do not enforce analysis-synthesis consistency, meaning the frequency branch is not required to reconstruct the time signal through an inverse transform, and vice versa. In this paper, we present Learnable Fusion of Tri-view Tokens (LEFT), a unified unsupervised TSAD framework that models anomalies as inconsistencies across complementary representations. LEFT learns feature tokens from three views of the same input time series: frequency-domain tokens that embed periodicity information, time-domain tokens that capture local dynamics, and multi-scale tokens that learns abnormal patterns at varying time series granularities. By learning a set of adaptive Nyquist-constrained spectral filters, the original time series is rescaled into multiple resolutions and then encoded, allowing these multi-scale tokens to complement the extracted frequency- and time-domain information. When generating the fused representation, we introduce a novel objective that reconstructs fine-grained targets from coarser multi-scale structure, and put forward an innovative time-frequency cycle consistency constraint to explicitly regularize cross-view agreement. Experiments on real-world benchmarks show that LEFT yields the best detection accuracy against SOTA baselines, while achieving a 5x reduction on FLOPs and 8x speed-up for training.