HF²-VAD：一种通过记忆增强光流重建与光流引导帧预测的混合视频异常检测框架
计算机视觉与模式识别
2021-08-17 v1
摘要
本文中，我们提出 -VAD，一种将光流重建与帧预测无缝结合以处理视频异常检测的混合框架。首先，我们设计 ML-MemAE-SC（带跳跃连接的自编码器中的多级记忆模块）网络来记忆正常模式以进行光流重建，从而可利用更大的光流重建误差灵敏地识别异常事件。更重要的是，以重建光流为条件，我们随后采用条件变分自编码器（CVAE）来预测给定若干先前帧的下一帧，该自编码器捕捉视频帧与光流之间的高度相关性。通过 CVAE，光流重建的质量本质上影响了帧预测的质量。因此，异常事件重建不良的光流进一步恶化了最终预测未来帧的质量，使异常更易被检测。实验结果证明了所提方法的有效性。代码见 \href{https://github.com/LiUzHiAn/hf2vad}{https://github.com/LiUzHiAn/hf2vad}。
引用
@article{arxiv.2108.06852,
title = {A Hybrid Video Anomaly Detection Framework via Memory-Augmented Flow Reconstruction and Flow-Guided Frame Prediction},
author = {Zhian Liu and Yongwei Nie and Chengjiang Long and Qing Zhang and Guiqing Li},
journal= {arXiv preprint arXiv:2108.06852},
year = {2021}
}
备注
Accepted to 2021 International Conference on Computer Vision (oral)