自回归去噪得分匹配是一种优秀的视频异常检测方法
计算机视觉与模式识别
2025-07-01 v1
摘要
视频异常检测（VAD）是一个重要的计算机视觉问题。由于生成模型在模式覆盖方面的优势，基于似然值的范式正越来越受到关注，因为它可以建模正常分布并检测离群异常。然而，这些基于似然的方法对位于已学习分布附近局部模式中的异常缺乏敏感性。为处理这些“不可见”异常，我们深入研究了场景、运动和外观三个在 VAD 中独特存在的差距。具体而言，我们首先构建一个用于去噪得分匹配的噪声条件得分转换器。随后，我们通过将输入序列的场景条件嵌入模型中，并基于输入序列关键帧间的差异分配运动权重，引入场景依赖且运动感知的得分函数。接下来，为解决原方法的原理性盲区问题，我们集成了一种新颖的自回归去噪得分匹配机制用于推断。在自回归地将增强的高斯噪声注入去噪数据并估计相应得分函数的过程中，我们将去噪后数据与原始数据进行比较以获取差异，并将其与得分函数聚合，以实现对外观感知的强化和对异常情境的累积。通过考虑这三个差距，我们可以计算出更全面的异常指示器。在三个流行的 VAD 数据集上进行的实验表明，我们的方法实现了最先进的性能。
引用
@article{arxiv.2506.23282,
title = {Autoregressive Denoising Score Matching is a Good Video Anomaly Detector},
author = {Hanwen Zhang and Congqi Cao and Qinyi Lv and Lingtong Min and Yanning Zhang},
journal= {arXiv preprint arXiv:2506.23282},
year = {2025}
}