不遗漏任何尺度：用于时间序列异常检测的带双向注意力的多尺度自编码器

时间序列异常检测（TSAD）在医疗健康、金融、工业监测及其他领域中发挥着关键作用。在这些场景内部及其之间，异常跨越了差异极大的时间尺度，从亚秒级的点状尖峰到持续数小时的漂移模式。然而，现有大多数 TSAD 方法都固定采用单一的时间粒度，而多尺度设计要么孤立地分析不同尺度，要么受限于预定义的由粗到细层次结构，二者都无法充分捕捉多尺度交互。为解决这一局限，我们提出用于 TSAD 的带跨尺度注意力的多尺度自编码器（MSCAD），这是一个简单而强大的半监督 TSAD 框架，基于对应不同 patch 大小的并行自编码器分支构建。一组对称的双向跨尺度注意力块使每一对尺度都能在重构之前交换信息，同时不让任何单一尺度具有优先地位。在全面的 TSB-AD 基准（40 个数据集，530 条序列）上，与当前最先进方法相比，MSCAD 在多项指标上相较 50 个基线取得了显著性能提升，其中单变量划分上的 VUS-PR 达到 0.57（+9.6%），多变量划分上的 VUS-PR 达到 0.47（+9.3%）。