GANを上回る手法としてComputer Visionの分野で非常に研究が盛んに行われている拡散モデルは、その分野に留まらず、他分野にも波及している。表データ生成でも拡散モデルを用いたTabDDPMが提案されており、高精度な生成が可能と主張されている。しかしTabDDPMでは、カテゴリデータをone-hot vectorで扱っているため、そのカテゴリ数が増加すると同じようなデータが生成され、学習に失敗してしまうという傾向がある。そこで本研究では、ビット拡散の前処理の手法を取り入れることで、その問題を解決する機構であるTableBD (Table Bit Diffusion)を提案する。実験では提案手法がTabDDPMより、多くのカテゴリ数のあるデータを生成できることを示した。
