3D 人类-人类互动异常检测
计算机视觉与模式识别
2025-12-16 v1
摘要
人类中心的异常检测 (AD) 主要用于指定单个个体的异常行为。然而，人类本性倾向于以协作方式行动，行为异常也可能源于人类之间的互动。使用现有的单人 AD 模型检测此类异常容易导致准确率较低，因为这些方法通常不旨在捕捉互动的复杂且非对称动态。本文引入了一种新任务：人类-人类互动异常检测 (H2IAD)，旨在识别协作性 3D 人类动作中的异常交互行为。为解决 H2IAD，我们提出了 Interaction Anomaly Detection Network (IADNet)，其以 Temporal Attention Sharing Module (TASM) 形式化。具体而言，在设计 TASM 时，我们在两个人之间共享编码的运动嵌入，以有效同步协作运动相关性。此外，我们注意到除了时间动态外，人类互动还由两个人之间的空间配置所特征化。因此，我们引入 Distance-Based Relational Encoding Module (DREM) 以更好地反映 H2IAD 中的社交线索。最终采用归一化流进行异常评分。广泛的实验在人类-人类动作基准数据集上表明，IADNet 在 H2IAD 中优于现有的 Human-centric AD 基线方法。
引用
@article{arxiv.2512.13560,
title = {3D Human-Human Interaction Anomaly Detection},
author = {Shun Maeda and Chunzhi Gu and Koichiro Kamide and Katsuya Hotta and Shangce Gao and Chao Zhang},
journal= {arXiv preprint arXiv:2512.13560},
year = {2025}
}